共查询到19条相似文献，搜索用时 296 毫秒
1.
针对岩土体变形行为预测中观测数据的有限性以及信息的不完备性,提出以分段插值或Boostrap重采样对有限观测数据再生以增强数据细节信息,以坐标变换或状态空间重构改变时序数据的表示形式,并重写原有不显著的规律的研究方法。在深入分析方法中重采样、混沌辨识、相空间重构的嵌入维数和延迟时间等关键技术的基础上,分别采用支持向量机、径向基函数前向型神经网络（RBF）以及反馈型神经网络（Elman）,对3组不同特征工程算例的岩土体变形时序在数据再生和空间重构前后进行预测对比研究。结果表明,变形时序的数据再生与重构能够极大地扩充数据细部特征信息和凸显岩土体变形演化的本质规律,以此数据建立的SVM预测模型,其可靠性和准确性优于以原始数据SVM、RBF和Elman建模预测效果。 相似文献
2.
基于范例推理的公路隧道拱顶变形时序支持向量机外延预测 总被引：1，自引：0，他引：1
针对公路隧道拱顶变形预测模型的普适性与外推预测的准确性,提出了基于人工智能推理的隧道工程属性（地理位置、监测位置、隧道高宽比、围岩级别和埋深）与拱顶变形时序曲线原子矩阵的相似范例检索方法,并在深入分析了获取的相似范例特征的基础上,进一步以LPG新核函数支持向量机建立先验知识的预测模型。应用该方法对通渝隧道工程K19+994断面拱顶下沉进行了预测与评估。结果表明,对于不同隧道间或同一隧道不同区段预判拱顶变形或收敛,基于范例推理能够获知良好的先验背景知识,且以此进行的支持向量机预测模型学习的回归内插（1～14步序）的平均相对误差为1.36%,而一次性外推预测15 d内的8个变形值（16～30步序）的平均相对精度为97.28%,证实了方法的可靠性 相似文献
3.
滑坡位移的多模态支持向量机模型预测 总被引：1，自引：0，他引：1
将支持向量机（support vector machine,SVM）方法与信号分析中的经验模态分解（empirical mode decomposition, EMD）方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性 相似文献
4.
5.
滑坡位移动实时跟踪预测 总被引：1，自引：0，他引：1
在滑坡动态观测数据时序系统建模理论方法基础上，采用限定记忆最小二乘递推法，提出滑坡位移动态跟踪预测问题，介绍了该方法的基本原理及预测步骤，通过实例的综合研究进一步证明了该动态跟踪预测方法的可行性，并达到一定的预测精度，可以对一定条件下的滑坡变形位移作出超前动态预测。 相似文献
6.
考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究 总被引：2，自引：0，他引：2
滑坡变形预测对于指导灾害的预防工作、保护人民的生命和财产安全具有重大实用价值。从系统论观点出发,结合岩土体流变理论和时序分析原理,在深入研究影响滑坡变形的主控环境变量基础上,将位移时序分解为趋势项和偏离项。采用灰色系统模型提取位移时序趋势项,结合遗传算法和人工神经网络建立起进化神经网络模型,逼近主控环境变量与位移偏离项之间的非线性关系。根据蠕变阶段和变形对环境变量响应情况,实时调整模型,建立起滑坡变形预测的动态灰色-进化神经网络（GM-ENN）模型。将此预测思路和方法应用于三峡库区某滑坡变形预测研究中,证实了模型的有效性和实用性,显示了动态预测的重要性。 相似文献
7.
三峡库区的动水驱动型滑坡具有阶梯式变形特征，在监测数据不足的情况下，难以准确、合理地完成滑坡分析与预测预报等相关研究.针对监测数据不足的情况，设计了一种状态仿射迁移学习方法（Stateaffinetransfer learningmethod,SATLM），通过学习相似滑坡的知识完成对数据量不足的滑坡状态分析.为验证SATLM对滑坡状态分析的有效性，设计了一种状态相似分析方法，完成对库区多个滑坡的知识学习后实现对另一个数据量不足的滑坡地表位移预测.结果表明，完成状态仿射迁移后，本方法与BPNN和SVM相比，万州塘角1号滑坡地表位移预测的平均绝对误差和均方根误差都实现了较大降低.白家包滑坡、白水河滑坡、八字门滑坡知识的成功迁移，证明了SATLM在相似动水驱动型滑坡的知识迁移上具有较好效果. 相似文献
8.
目前在滑坡位移预测研究中,先将滑坡位移数据分解为趋势项及周期项后再分别进行预测已成为普遍做法。平滑先验分析法(Smoothness Priors Approach,SPA)是一种计算过程简单、计算量极小,且能快速分离原始数据趋势项和周期项的数据处理方法。在介绍SPA基本原理基础上,以三峡库区白家包滑坡典型监测点位移数据为例,对通过调节SPA正则化参数而获得的不同趋势项及周期项进行特征分析;进而结合对滑坡变形演化机制过程的先验分析,根据位移分解特征确定合理的参数取值;最后针对不同参数SPA位移分解数据,采用支持向量机进行位移预测对比分析。结果表明,SPA是一种适用于滑坡位移预测的位移分解方法,通过调节正则化参数并结合滑坡变形机制先验分析,能够获得较为合理的位移分解结果,进而提高滑坡位移预测精度。 相似文献
9.
滑坡位移时序预测的核函数构造 总被引：4，自引：4，他引：0
获得支持向量机(SVM)背景下滑坡位移时序准确预测的关键,是构造或选择一合适的核函数。通过分析滑坡位移时序曲线特征以及不同类型Mercer核的性质,从基于核函数上的封闭运算角度,构造出支持向量机背景下预测滑坡位移时序的最佳核函数。利用3组不同特征的滑坡位移时序,对构造出的核函数进行性能检验,数值实验表明：对于典型的3组滑坡时序,LPG与MPG核的学习性能要优于简单核,且前者适合复杂位移时序的回归预测,而后者更适合规律性较强的简单时序曲线的建模预测。此外,探讨了这两种核函数下的核参数取值对模型精度的影响。 相似文献
10.
中国三峡库区库岸滑坡灾害频发，预测库岸滑坡位移是降低风险的重要措施之一。文章构建了库岸滑坡中文知识图谱，提出了知识图谱优化卡尔曼滤波预测库岸滑坡位移模型KG-MTKF。以三峡库区奉节县新铺滑坡为例，采用现场监测数据验证了模型有效性。结果表明，与监测数据系列相比，多因素卡尔曼滤波模型（MT-KF）和知识图谱优化卡尔曼滤波模型（KG-MTKF）用于预测库岸滑坡时，在稳定变形阶段均表现出良好的一致性；在滑坡变形的初始阶段和阶跃段，KGMTKF模型预测精度更高。初始段两种模型存在误差，主要由于滑坡初期变形值较小、系统噪声显著所导致。在阶跃段、平稳段与整个监测周期中，两种模型的误差都较小，且KG-MTKF模型的预测精度显著高于MT-KF模型。对于新铺滑坡这类非线性动力系统，KG-MTKF预测模型在不同位置与变形阶段均能保持高精度与强鲁棒性。 相似文献
11.
滑坡的时间-位移曲线一般具有3个阶段特征,即初始变形阶段、等速变形阶段和加速变形阶段,不同演化阶段加速度具有不同的变化特点.目前往往是依据对加速度曲线特征的分析来人为划分演化阶段,缺少相应的理论支持和定量计算.针对上述问题,选取月降雨量、月库水位高程变化量对滑坡的累计位移建立多因素的时间序列预测模型.然后利用Chow分割点检验理论,以所建模型中F和LR统计量最大值点作为分割点对滑坡演化阶段进行划分.以新滩滑坡和三峡库区白水河滑坡为例,利用累计位移、降雨及库水位变化数据进行计算验证.结果表明,对多元时间序列模型进行Chow分割点检验可对滑坡的演化阶段进行准确划分,为滑坡的临滑预警预报提供重要判据. 相似文献
12.
Prediction of landslide displacement with step-like behavior based on multialgorithm optimization and a support vector regression model 总被引：2，自引：2，他引：0
Landslide prediction is important for mitigating geohazards but is very challenging. In landslide evolution, displacement depends on the local geological conditions and variations in the controlling factors. Such factors have led to the “step-like” deformation of landslides in the Three Gorges Reservoir area of China. Based on displacement monitoring data and the deformation characteristics of the Baishuihe Landslide, an additive time series model was established for landslide displacement prediction. In the model, cumulative displacement was divided into three parts: trend, periodic, and random terms. These terms reflect internal factors (geological environmental, gravity, etc.), external factors (rainfall, reservoir water level, etc.), and random factors (uncertainties). After statistically analyzing the displacement data, a cubic polynomial model was proposed to predict the trend term of displacement. Then, multiple algorithms were used to determine the optimal support vector regression (SVR) model and train and predict the periodic term. The results showed that the landslide displacement values predicted based on data time series and the genetic algorithm (GA-SVR) model are better than those based on grid search (GS-SVR) and particle swarm optimization (PSO-SVR) models. Finally, the random term was accurately predicted by GA-SVR. Therefore, the coupled model based on temporal data series and GA-SVR can be used to predict landslide displacement. Additionally, the GA-SVR model has broad application potential in the prediction of landslide displacement with “step-like” behavior. 相似文献
13.
基于非平稳时间序列分析的滑坡变形预测 总被引：4，自引：0，他引：4
滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据. 相似文献
14.
滑坡预测对于减轻地质灾害的危害十分重要,但对科学研究却很有挑战性。基于变形特征和位移监测数据,建立了三峡库区白水河滑坡的时间序列加法模型。在模型中,累计位移分为3个部分:趋势、周期和随机项,解释了由内部因素（地质环境,重力等）、外部因素（降雨,水库水位等）、随机因素（不确定性）共同作用的影响。在对位移数据进行统计分析后,提出了一个3次多项式模型对趋势项进行学习,并利用多算法寻优的支持向量回归机（SVR）模型对周期项进行训练与预测。结果表明,在预测精度上,基于时间序列与遗传算法-支持向量回归机（GA-SVR）耦合的位移预测模型要明显优于网格寻优（GS）以及粒子群算法（PSO）优化的支持向量回归机模型。因此,GA-SVR模型在滑坡位移预测方面可以得到较好的应用。在“阶跃型”滑坡位移预测中,GA-SVR将具有广阔的应用前景。 相似文献
15.
建立一种准确可靠的方法来预测高填方边坡因蠕变破坏而发生滑坡的时间是困难的,但对防止财产和生命损失又至关重要。在总结高填方土质边坡蠕变破坏过程中的位移、速度特征的基础上,通过改进Saito模型的应变率公式,提出了基于改进人工蜂群算法的滑坡中短期预测的实用模型。将进入加速变形阶段后的滑坡位移时间序列作为输入,通过人工蜂群算法反演实用模型参数后输出预测的滑坡时间。以3个高填方滑坡为实例,应用滑坡位移监测点的测量数据,验证了该方法在滑坡时间预测上的准确性和可靠性。同时,将该方法预测的滑坡时间结果与传统的Saito系列模型预测的滑坡时间结果进行了比较。结果表明,在通过滑坡位移的时间序列进行滑坡时间预测时,所提出的实用模型比两种Saito模型更准确可靠。 相似文献
16.
Zhengtuan Xie Guan Chen Xingmin Meng Yi Zhang Liang Qiao Long Tan 《Environmental Earth Sciences》2017,76(8):313
The determining of landslide-prone areas in mountainous terrain is essential for land planning and hazard mitigation. In this paper, a comparative study using three statistical models including weight of evidence model (WoE), logistic regression model (LR) and support vector machine method (SVM) was undertaken in the Zhouqu to Wudu segment in the Bailong River Basin, Southern Gansu, China. Six conditionally independent environmental factors, elevation, slope, aspect, distance from fault, lithology and settlement density, were selected as the explanatory variables that may contribute to landslide occurrence based on principal component analysis (PCA) and Chi-square test. The relation between landslide distributions and these variables was analyzed using the three models and the results then used to calculate the landslide susceptibility (LS). The performance of the models was then evaluated using both the highly accurate deformation signals produced by using the Small Baseline Subset Interferometric Synthetic Aperture Radar technique and Receiver Operating Characteristic (ROC) curve. Results show more deformation points in areas with high and very high LS levels, and also more stable points in areas with low and very low LS levels for the SVM model. In addition, the SVM has larger area under the ROC curve. It indicates that the SVM has better prediction accuracy and classified ability. For the interpretability, the WoE derives the class of factors that most contributed to landsliding in the study area, and the LR reveals that factors including elevation, settlement density and distance from fault played major roles in landslide occurrence and distribution, whereas the SVM cannot provide relative weights for the variables. The outperformed SVM could be employed to determine potential landslide zones in the study area. Outcome of this research would provide preliminary basis for general land planning such as choosing new urban areas and infrastructure construction in the future, as well as for landslide hazard mitigation in Bailong River Basin. 相似文献
17.
Landslide susceptibility assessment using object mapping units,decision tree,and support vector machine models in the Three Gorges of China 总被引：4，自引：3，他引：1
Due to the particular geographical location and complex geological conditions, the Three Gorges of China suffer from many landslide hazards that often result in tragic loss of life and economic devastation. To reduce the casualty and damages, an effective and accurate method of assessing landslide susceptibility is necessary. Object-based data mining methods were applied to a case study of landslide susceptibility assessment on the Guojiaba Town of the Three Gorges. The study area was partitioned into object mapping units derived from 30 m resolution Landsat TM images using multi-resolution segmentation algorithm based on the landslide factors of engineering rock group, homogeneity, and reservoir water level. Landslide locations were determined by interpretation of Landsat TM images and extensive field surveys. Eleven primary landslide-related factors were extracted from the topographic and geologic maps, and satellite images. Those factors were selected as independent variables using significance testing and correlation coefficient analysis, including slope, profile curvature, engineering rock group, slope structure, distance from faults, land cover, tasseled cap transformation wetness index, reservoir water level, homogeneity, and first and second principal components of the images. Decision tree and support vector machine (SVM) models with the optimal parameters were trained and then used to map landslide susceptibility, respectively. The analytical results were validated by comparing them with known landslides using the success rate and prediction rate curves and classification accuracy. The object-based SVM model has the highest correct rate of 89.36 % and a kappa coefficient of 0.8286 and outperforms the pixel-based SVM, object-based C5.0, and pixel-based SVM models. 相似文献
18.
目前对堆积层滑坡的变形预测大多基于数学模型或方法,忽略了引起滑坡位移显著变化的动力外因及滑坡自身的地质特征,因此,预报准确度和可信度较低。以三峡库区典型堆积层滑坡--鹤峰场镇滑坡为例,通过4组主要控制因素科学组合构建了滑坡的基本地质模型;以此为基础,重点考虑引起滑坡发生变形的库水作用动力因素,建立滑坡的数值-力学模型。通过实际监测点的变形监测结果与数值-力学模型中模型监测点的变形进行拟合分析,获取了实际时间与数值-力学模型中时步的等效关系;基于时间-时步等效关系及三峡水库设计水位调度曲线,得到了不同时步水位的波动特征;通过时步的外延,并在相应的时步段对数值-力学模型施加等效时间的库水作用,预测了滑坡在未来库水位变动条件下的变形。该预测方法既考虑了滑坡的工程地质模型又考虑了地下水作用效应,克服了纯数学方法预测的不足。 相似文献
19.
白龙江流域坪定-化马断裂带滑坡特征及其形成演化 总被引：1，自引：0，他引：1
沿坪定-化马断裂带发育数个大型或巨型滑坡。这些断裂带滑坡特点明显,成因类似,各滑坡一般发育多个次级滑坡体,滑坡岩土体由次生黄土、断裂带强风化带、断裂破碎带组成,具双层或三层结构。滑坡总体顺断裂走向下滑,历史上曾多次活动。近年来变形监测资料表明,断裂带滑坡目前处于匀速蠕变阶段,表现为蠕滑→拉裂（塑流拉裂）→次级滑坡体启动下滑的特征。它是在断裂活动、地震、降雨、人类工程活动等内外动力耦合作用下形成的,坪定-化马断裂的长期活动为滑坡形成提供了前提条件,断裂带的岩土体性质是滑坡长期活动的物质基础,而降雨、地震、坡脚开挖等是滑坡体失稳下滑的主要诱发因素。因而,有必要进一步研究断裂带滑坡在内外动力耦合作用下的成灾机理,为滑坡灾害防治预警提供科学依据。 相似文献