發(fā)布時間：2017-07-17 02:16

  本文關(guān)鍵詞：基于多算法參數(shù)優(yōu)化與SVR模型的白水河滑坡位移預(yù)測

  更多相關(guān)文章： 白水河滑坡 時間序列 位移預(yù)測 支持向量回歸機 遺傳算法

【摘要】：滑坡預(yù)測對于減輕地質(zhì)災(zāi)害的危害十分重要,但對科學(xué)研究卻很有挑戰(zhàn)性�；谧冃翁卣骱臀灰票O(jiān)測數(shù)據(jù),建立了三峽庫區(qū)白水河滑坡的時間序列加法模型。在模型中,累計位移分為3個部分:趨勢、周期和隨機項,解釋了由內(nèi)部因素(地質(zhì)環(huán)境,重力等)、外部因素(降雨,水庫水位等)、隨機因素(不確定性)共同作用的影響。在對位移數(shù)據(jù)進(jìn)行統(tǒng)計分析后,提出了一個3次多項式模型對趨勢項進(jìn)行學(xué)習(xí),并利用多算法尋優(yōu)的支持向量回歸機(SVR)模型對周期項進(jìn)行訓(xùn)練與預(yù)測。結(jié)果表明,在預(yù)測精度上,基于時間序列與遺傳算法-支持向量回歸機(GA-SVR)耦合的位移預(yù)測模型要明顯優(yōu)于網(wǎng)格尋優(yōu)(GS)以及粒子群算法(PSO)優(yōu)化的支持向量回歸機模型。因此,GA-SVR模型在滑坡位移預(yù)測方面可以得到較好的應(yīng)用。在"階躍型"滑坡位移預(yù)測中,GA-SVR將具有廣闊的應(yīng)用前景。
【作者單位】： 中國地質(zhì)大學(xué)(武漢)工程學(xué)院;教育部三峽地質(zhì)災(zāi)害研究中心;
【關(guān)鍵詞】： 白水河滑坡 時間序列 位移預(yù)測 支持向量回歸機 遺傳算法
【基金】：國家自然科學(xué)基金(41272307)資助
【分類號】：P642.22
【正文快照】： 0引言滑坡作為最嚴(yán)重的地質(zhì)災(zāi)害之一,由于形成條件和地質(zhì)過程復(fù)雜,使得其演化過程中的數(shù)據(jù)采集是一項極其艱巨的任務(wù)。因此,基于不完整的動態(tài)監(jiān)測數(shù)據(jù)的滑坡預(yù)測理論開始興起。滑坡變形預(yù)測開始于60年代的Saito模型。經(jīng)過50a的發(fā)展,滑坡變形預(yù)測研究取得了非常大的成果。目前,，

本文編號：551577