共查询到19条相似文献，搜索用时 156 毫秒
1.
地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。 相似文献
2.
《地球科学与环境学报》2021,(5)
采用GNSS技术进行滑坡变形监测时,由于多路径等观测误差的存在,直接使用GNSS监测结果进行变形预测会影响预测结果的精度。为了探讨GNSS测量误差对变形预测结果的影响程度,考虑到滑坡系统的混沌特性,采用混沌理论对陕西泾阳地区庙店滑坡GNSS变形监测结果抑噪处理前后的时间序列进行了对比分析。首先,采用互信息量法确定监测序列的时间延迟、用改进的虚假邻近点法(Cao算法)确定嵌入维数,获取相空间重构参数;然后使用最大Lyapunov指数对两种变形监测序列进行混沌特性识别;最后,分别使用加权一阶局域预测方法、最大Lyapunov指数预测方法和BP神经网络预测方法对滑坡变形监测结果进行预测。结果表明:GNSS滑坡变形监测结果抑噪处理前后的时间序列满足混沌特性,说明滑坡系统具有混沌特性;在3种混沌时间序列预测方法中,BP神经网络预测方法的效果较好,且该方法预测结果的平均绝对误差(MAE)和平均相对误差(MRE)分别为0.4 mm和11.9%,经过S-变换抑噪处理后,预测结果的平均绝对误差和平均相对误差分别为0.1 mm和4.1%,预测效果有明显改善。 相似文献
3.
地下水位动态是一种复杂的历史过程,是受多种因素影响(如地质、气象、水文以及人类活动干扰等)的随机过程,试图用单交量时间序列模型对其进行预测,往往受到一定的局限。本文引入多变量AR(n)模型,在计算中利用递推公式及FPE准则估计模型参数,包括系数矩阵和模型阶数。该方法被用于陕西两华地区地下水位动态预测,经过理论与实践检验,该模型预报地下水位精度高,同时可预报其影响因素。该模型可作为地下水位动态短期预报模型。 相似文献
4.
利用时间序列经适当数学变换后生成的均生函数，建立了一个可用于长期气候变化趋势预测的数学模型，并将此模型用于四川地区年平均气温及年降水总量的历史拟合及预测。结果表明：模型对较长时间序列的多步预测有较好的效果。 相似文献
5.
本文首先给出了守恒系统与耗散系统的性质与运动规律和开放的耗散体系的自组织演化行为,进而给出了由大区域构造网络所组成的蕴震系统是一个开放的耗散系统的论证,并分析了该系统的自组织行为和时空演化的吸引子。以京津唐地区为例,使用单序列的重建复杂系统动力学方法(时间域)和多时间序列的复杂系统动力学分析方法(空间域),由大灰厂形变水准资料的计算得出大地震前具有减熵、降维和Lyapunov指数上升的变化趋势,由该地区12个形变台站组成的前兆场的空间分布的分析得到一个2.9维的分形分布、4～5年的可预报期限(K_1=0.0885)和一个正的Lyapunov指数(0.09864)。这表明系统的时空分布沦入一个浑沌吸引子中,具有分形结构和自组织演化行为以及临界失稳的共性。 相似文献
6.
针对大坝变形具有非线性和非平稳性的特点,提出一种基于集合经验模态分解(EEMD)的大坝变形多步预测新算法。首先从时频分析出发,利用集合经验模态分解将变形时间序列分解成具有不同频率特征的分量;然后采用游程判定法对波动程度相似的分量重构为高、中和低频3个分量;最后对3个分量分别建立相应的多步预测模型,叠加各预测值即为最终预测结果。经算例验证,并与AR模型、BP神经网络和支持向量机的多步预测进行对比分析,同时建立不同预测步长进一步验证。结果表明,该算法预测精度较高,在大坝变形波动剧烈的时段也能保证较好的预测效果,可以应用于大坝变形预测。 相似文献
7.
作者应用随机模型中多元线性回归的方法建立了沈阳地区地下水位动态变化模型。沈阳地区地下水位受气象、水文、开采等因素影响,因此建立了3种地下水位短期预测模型。即:气象型、气象开采型、气象水文开采型。为使预测模型接近于地下水位的实际变化状态,作者用有效开采量来提高模型的拟合精度。通过预测成果与实测值的拟合对比,表明用多元线性回归方法对沈阳地区地下水位进行短期预测是可行的。 相似文献
8.
Lyapunov指数和可预报时间尺度及其应用 总被引：2，自引：0，他引：2
介绍了混沌系统中的Lyapunov指数概念,给出了Lyapunov指数的计算过程,且计算了我国各地月平均气温Lyapunov指数和最大可预报时间尺度,指出Lyapunov指数的量极为10-2,它们的分布具有明显的地域特性,并与气温的变率标准差进行比较分析,简述了Lyapunov指数在气温预测中的作用. 相似文献
9.
以2016-01-21门源MS6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆。用震中附近门源台（QHME）、民乐台（GSML）及古浪台（GSGL）无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测。对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同时考虑震前时间序列的趋势异常,认为出现了异常时段;3个台站分别在E、N、U方向出现多个异常日期,且不同台站具有相同的异常日期,说明探索到了地震前兆。 相似文献
10.
准确、可靠的短时客流预测可为城市轨道交通提供运营决策支持。本研究以基于Transformer机制的LSTM网络、深度注意力模块和CNN网络为基础,提出了城市轨道交通网络级多步短时客流预测模型（STIPM）。该预测模型由3个分支组成,分支一以时间序列进站客流为输入,提出了基于Transformer机制的LSTM网络提取该数据中的时间相关性;分支二以基于时间步的OD数据为输入,提出了深度注意力模块挖掘数据中大量的时间、空间相关性,利用基于时间步的OD数据能够更好地展现站间联系紧密程度和全局信息,从而完成了拓扑网络信息提取;分支三的输入为POI数据,使用CNN网络获取其时空相关性,并作为时间与空间特征之间的纽带。为了保证在预测精度足够高的条件下,获得更长的预测时间和更详细的预测信息,本文采用“神经网络多输出”策略,完成了多步预测任务。本文在2个大规模城市轨道交通真实数据集中对该模型进行测试,并将预测结果与10个基准模型和4个消融实验模型进行对比,在RMSE、MAE与WMAPE评估指标中,STIPM模型均得到最高的预测精度,结果表明该模型具有一定的优越性与鲁棒性。 相似文献
11.
跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生.对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变... 相似文献
12.
Acoustic reverberation signals generated by an experimental explosive source are analyzed by nonlinear dynamical methods. Three characteristic parameters, i.e., the correlation dimension, the largest Lyapunov exponent, and the Koimogorov en-tropy, are estimated in the reconstructed phase space. The results indicate that the reverberation signals are nonlinear. The Volterra adaptive prediction method is introduced to model the oceanic reverberation signals. The reverberation time series can be predicted in short term with small prediction errors. A preliminary conclusion can be reached that the nonlinear low-dimensional dynamic sys-tem model is more suitable for modeling oceanic reverberation than the classical random AR model. 相似文献
13.
����С��������LSSVM�Ļ��±���Ԥ�� 总被引：2，自引：1，他引：1
??????????????,???????С????????LSSVM????????±???????????????С???任???????????з?????в???????????????????????????????к???????з??????LSSVM????????????????????????????????С????????LSSVM????±????????????????GM(1,1)??AR??????LSSVM?????? 相似文献
14.
针对GPS可降水量时间序列具有非线性、非平稳性的特征，研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量；然后利用遗传算法优化LSSVM参数，进而对各分量建立预报模型；再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验，并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明，该组合模型具有良好的泛化能力，可有效解决神经网络易陷于局部极小的问题，提高了全局预报精度。 相似文献
15.
针对GNSS时间序列非平稳性和非线性等特点,通过分析XGBoost模型与Prophet模型的适用性与特点,构建Prophet-XGBoost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过XGBoost模型进行分部预测,等权相加得到预测结果。实验选用ALGO、ALRT、BRST三个IGS站U分量日坐标时间序列数据,采用MAE和RMSE作为评价指标。结果表明,与单一的XGBoost模型和Prophet模型相比,Prophet-XGBoost模型的MAE和RMSE值均得到一定程度优化,说明该模型具备有效性,可用于GNSS时间序列预测。 相似文献
16.
李潇 《大地测量与地球动力学》2014,34(2):111-114
??????????????????????????±???????????÷????????????????????t??????????????????з?????в????????????????????????????к???????з???????????????????????????????????????????÷???????????GM(1??1)??AR??LSSVM?????? 相似文献
17.
针对地表沉降预测研究中单一传统方法预测精度较低、预测过程不稳定等问题,提出一种经验小波变换(EWT)与Prophet预测模型相结合的优化预测方法.以江西省上饶市德兴矿区为例,采用30景哨兵1号影像进行SBAS-InSAR沉降研究,并获取该区域研究时段内的沉降时序数据.首先对原始沉降时序数据进行EWT自适应分解,分解产生... 相似文献
18.
??????????з?????????????????????????????????????????????????????????????????????????в????н????????????????λ???????н????????????????????????????????????????????????????????????????????????????????????? 相似文献