本文選題：邊坡變形 + 回歸分析　； 參考：《長(zhǎng)江科學(xué)院院報(bào)》2017年04期

【摘要】：為有效地判斷邊坡變形的發(fā)展趨勢(shì),基于邊坡變形的現(xiàn)場(chǎng)數(shù)據(jù),首先利用回歸分析和小波變換分解邊坡變形數(shù)據(jù)的趨勢(shì)項(xiàng)和誤差項(xiàng),并選取若干最優(yōu)的分解數(shù)據(jù)進(jìn)行組合確定邊坡變形數(shù)據(jù)的趨勢(shì)項(xiàng)和誤差項(xiàng),再利用BP和RBF神經(jīng)網(wǎng)絡(luò)對(duì)趨勢(shì)項(xiàng)和誤差項(xiàng)序列進(jìn)行預(yù)測(cè),得到單項(xiàng)預(yù)測(cè)的結(jié)果,最后研究分析了定權(quán)組合預(yù)測(cè)和非定權(quán)組合預(yù)測(cè)的效果。結(jié)果表明:在趨勢(shì)項(xiàng)和誤差項(xiàng)的分離過(guò)程中,不同分離方法的分離結(jié)果具有一定的差異,以6次多項(xiàng)式回歸、5次及7次傅里葉回歸和sym2小波變換的結(jié)果較好;同時(shí),在單項(xiàng)預(yù)測(cè)中,分項(xiàng)預(yù)測(cè)的效果要優(yōu)于傳統(tǒng)的單項(xiàng)預(yù)測(cè),驗(yàn)證了分項(xiàng)預(yù)測(cè)的有效性,并由組合預(yù)測(cè)的結(jié)果可知,2種組合預(yù)測(cè)的效果均較好,均很大程度上提高了預(yù)測(cè)精度,且非定權(quán)組合的預(yù)測(cè)精度要優(yōu)于定權(quán)組合預(yù)測(cè)的精度。上述研究為邊坡的變形預(yù)測(cè)提供一種新的思路。
[Abstract]:In order to judge the development trend of slope deformation effectively, based on the field data of slope deformation, the trend term and error term of slope deformation data are decomposed by regression analysis and wavelet transform. Some optimal decomposition data are selected to determine the trend and error items of slope deformation data, and then BP and RBF neural networks are used to predict the trend and error items, and the results of single prediction are obtained. Finally, the effects of weighted combination prediction and undetermined weight combination prediction are analyzed. The results show that in the process of separating trend term and error term, the separation results of different separation methods are different, and the results of 6 degree polynomial regression and 7 times Fourier regression and sym2 wavelet transform are better, at the same time, In the single item forecast, the effect of the item forecast is better than that of the traditional single item forecast, which verifies the validity of the item forecast. According to the result of the combination forecast, the effect of the two kinds of combination forecast is better, and the precision of the forecast is improved to a great extent. The prediction accuracy of unweighted combination is better than that of constant weight combination. The above research provides a new idea for slope deformation prediction.
【作者單位】： 青海省水文地質(zhì)工程地質(zhì)環(huán)境地質(zhì)調(diào)查院青海省水文地質(zhì)及地?zé)岬刭|(zhì)重點(diǎn)實(shí)驗(yàn)室;
【分類號(hào)】：TV223

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張疆涌;;綜合權(quán)組合預(yù)測(cè)[J];硅谷;2009年24期

2 劉延平;邵悅?cè)?李衛(wèi)東;;我國(guó)鐵路客運(yùn)量的組合預(yù)測(cè)[J];物流技術(shù);2010年07期

3 柴元春;;我國(guó)能源總產(chǎn)量的組合預(yù)測(cè)[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年04期

4 孫李紅;;基于灰色組合預(yù)測(cè)的國(guó)內(nèi)債券余額預(yù)測(cè)[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

5 周偉,王建軍,武常吉,劉洪;陜西省國(guó)民經(jīng)濟(jì)發(fā)展的組合預(yù)測(cè)研究[J];西安公路交通大學(xué)學(xué)報(bào);1997年03期

6 肖智,李春紅,李瀠兵,鐘波;遺傳算法在經(jīng)濟(jì)混沌組合預(yù)測(cè)中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年11期

7 夏明雷,劉瀾;社會(huì)經(jīng)濟(jì)發(fā)展的組合預(yù)測(cè)研究[J];交通科技與經(jīng)濟(jì);2005年03期

8 張磊;鄭丕諤;;物資招標(biāo)采購(gòu)中組合預(yù)測(cè)的線性規(guī)劃方法[J];工業(yè)工程;2007年01期

9 杜云飛;陳孟野;高永獻(xiàn);;基于神經(jīng)網(wǎng)絡(luò)的一種組合預(yù)測(cè)的構(gòu)建與應(yīng)用[J];河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年02期

10 田光理;苑紅偉;牛德寧;;基于粗糙集理論的短時(shí)交通流組合預(yù)測(cè)研究[J];道路交通與安全;2010年02期

相關(guān)會(huì)議論文 前9條

1 孫將平;葉志斌;季永青;;浙江省水路貨運(yùn)量最優(yōu)組合預(yù)測(cè)[A];第六屆長(zhǎng)三角科技論壇航運(yùn)分論壇暨江蘇省航海學(xué)會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

2 劉平;張莉;馬秀蘭;;烏魯木齊市農(nóng)、林、牧、漁業(yè)總產(chǎn)值的組合預(yù)測(cè)研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李國(guó)鋒;陳緒根;;山東省勞動(dòng)力就業(yè)需求組合預(yù)測(cè)研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第9卷）[C];2008年

4 田瑾;項(xiàng)靜恬;陳殿斌;;多種時(shí)間序列建模及組合預(yù)測(cè)的比較和改進(jìn)[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

5 李存金;;簡(jiǎn)單平均法下的最優(yōu)組合預(yù)測(cè)問(wèn)題研究[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第3卷）[C];1995年

6 劉茂余;于麗英;;一種組合預(yù)測(cè)新方法的研究[A];中國(guó)運(yùn)籌學(xué)會(huì)第九屆學(xué)術(shù)交流會(huì)論文集[C];2008年

7 樊英;張秋菊;;工業(yè)增加值預(yù)測(cè)系統(tǒng)的分析設(shè)計(jì)[A];中國(guó)企業(yè)運(yùn)籌學(xué)[C];2006年

8 吳登生;李建平;孫曉蕾;;考慮模型相關(guān)性的組合預(yù)測(cè)過(guò)程中單項(xiàng)模型篩選研究[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A02管理科學(xué)[C];2014年

9 吳文東;吳剛;魏一鳴;范英;;基于相關(guān)系數(shù)的鋼材需求量組合預(yù)測(cè)[A];第十屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 趙欣;小世界網(wǎng)絡(luò)理論及其在風(fēng)電功率短期預(yù)測(cè)中的應(yīng)用研究[D];北京交通大學(xué);2015年

2 劉啟浩;風(fēng)險(xiǎn)值組合預(yù)測(cè)的理論與實(shí)證[D];北京工業(yè)大學(xué);2009年

3 蔣傳進(jìn);基于模型遴選規(guī)則的自適應(yīng)組合預(yù)測(cè)研究[D];東華大學(xué);2014年

4 郭曉君;灰色自憶性組合預(yù)測(cè)拓展模型及應(yīng)用研究[D];南京航空航天大學(xué);2015年

5 譚泗橋;支持向量回歸機(jī)的改進(jìn)及其在植物保護(hù)中的應(yīng)用[D];湖南農(nóng)業(yè)大學(xué);2008年

6 王富強(qiáng);風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)及模擬的理論與方法研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 馬艷玲;組合預(yù)測(cè)在醫(yī)藥流通企業(yè)銷售預(yù)測(cè)中的應(yīng)用研究[D];華南理工大學(xué);2015年

2 陳嵩;組合預(yù)測(cè)技術(shù)及其在功率預(yù)測(cè)中的應(yīng)用[D];華北電力大學(xué);2015年

3 郭二鳳;ATM現(xiàn)金流預(yù)測(cè)的研究[D];遼寧科技大學(xué);2015年

4 施艷春;基于非線性時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測(cè)[D];沈陽(yáng)工業(yè)大學(xué);2016年

5 王克楠;基于關(guān)聯(lián)特性分析的鐵路事故數(shù)據(jù)挖掘及預(yù)測(cè)、預(yù)警方法研究[D];北京交通大學(xué);2016年

6 馬斌;基于人工智能的短期風(fēng)電功率組合預(yù)測(cè)研究[D];西南交通大學(xué);2016年

7 沈達(dá);我國(guó)通貨膨脹率的波動(dòng)與組合預(yù)測(cè)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

8 楊冬強(qiáng);風(fēng)力發(fā)電短期功率預(yù)測(cè)研究[D];鄭州大學(xué);2016年

9 安秋嫻;貴州省中期用電需求組合預(yù)測(cè)[D];華北電力大學(xué)(北京);2016年

10 劉旭;基于大數(shù)據(jù)的風(fēng)功率預(yù)測(cè)模型優(yōu)化研究與實(shí)現(xiàn)[D];華北電力大學(xué);2016年

，

本文編號(hào)：2017732