共查询到17条相似文献，搜索用时 93 毫秒
1.
基于灰色最小二乘支持向量机的边坡位移预测 总被引：1，自引：0，他引：1
利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。 相似文献
2.
深基坑施工时地表沉降预测的时序-投影寻踪回归模型 总被引：1，自引：0，他引：1
为了保证施工的正常进行、实现信息化施工,必须对基坑实际监测数据进行分析与预测。现有的趋势时间序列分析方法很难满足实际施工中高度非线性问题的拟合,预测误差较大。基于这点考虑,以天津某工程基坑施工地表沉降观测序列为例,在对原始数据进行分析的基础上,提出既可以考虑趋势时间序列,又具有高度非线性拟合性能的时序-投影寻踪回归模型。首先,通过比较分析几种时间序列方法的逼近误差和预测误差,寻求出一种逼近较好的时间序列预测方法。然后,将预测得到的时间序列和观测数据相结合,采用投影寻踪回归方法拟合。应用结果表明,该模型逼近性能良好,预测误差小,可为深基坑位移沉降的动态预测提供一条较好的途径,对基坑动态设计与信息化施工等方面具有重要的参考价值。 相似文献
3.
边坡位移是滑坡演化的宏观体现,分析并预测滑坡位移发展态势对于防灾减灾具有重要意义。由于滑坡位移曲线具有明显的非线性特征,单一模型往往难以刻画其非线性与复杂性。为发展一种普遍适用于滑坡位移的预测方法,提出了一种联合多种数据驱动模型的新方法。该方法根据时间序列分析理论,将滑坡位移序列分解为趋势项和周期项,趋势项采用并联型灰色神经网络处理,周期项则采用人工蜂群算法（ABC）优化后的极限学习机模型（ELM）处理,从而充分应用各种模型的优点。以三峡库区白水河和八字门滑坡为例,对位移数据进行分析处理后,灰色神经网络模型预测其趋势性位移,改进后的极限学习机模型对周期性位移进行训练及预测。结果表明:在预测精度上,优化后的极限学习机模型准确度高于极限学习机模型及小波神经网络等方法,提出的灰色神经网络与ABC-ELM的组合模型可作为实际工程的一个参考。 相似文献
4.
投影寻踪自回归和多维混合回归模型及其在大河长河段洪水预报中的应用 总被引：14，自引：0，他引：14
投影寻踪自回归和多维混合回归模型，是将投影寻踪技术应用于时间序列分析中的一种新型的非线性时序分析模型。本文将此模型用于长江寸滩－宜昌河段的洪水演算，不必使用区间雨量资料，仅仅根据上下游站的流量资料，就可做出预见期为４８－７２ｈ的复杂长河段洪水预报，并取得了令人满意的的研究成果。 相似文献
5.
6.
加权函数组合预测边坡变形模型的研究 总被引：1，自引：0，他引：1
边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。 相似文献
7.
以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。 相似文献
8.
利用最小二乘法对位移时间序列进行分段拟合以提取时间序列的趋势项，从而将非稳定时间序列稳定化，对去除趋势项的稳定时间序列即残差进行常规AR（p）时序分析。结合滚动预测方法，建立边坡失稳预测的叠合模型，以长江三峡某边坡为例，对该模型进行的检验表明：新模型的预测精度较高、实时可靠。 相似文献
9.
高边坡变形非线性时变统计模型研究 总被引：2，自引：0，他引：2
基于高边坡长期变形监测资料,深入分析了边坡变形的影响因素,建立边坡非线形时变统计监控模型,并将模型应用于锦屏一级水电站边坡工程。通过典型测点长期监测资料的分析,确定时效和降雨是影响边坡变形的2个主要因素,并给出了各自的表述形式,在Matlab平台上,采用非线性回归方法得到边坡非线性时变统计模型的参数。在此基础上,根据边坡变形拟合残差时序,采用ARMA模型方法进行拟合和预测,对边坡非线性时变模型的拟合和预测进行修正。结果表明,模型能较好地描述高边坡的变形特征,并且具有很好的拟合和预测精度。 相似文献
10.
时序分析在边坡位移预测中的应用 总被引：10，自引：2，他引：10
根据对边坡变形规律的研究，建立了边坡位移序列的叠合时序模型。将边坡位格分解为确定性位移和随机性位移两部分，并实现了基于误差方差最小原则的边坡位移中长期预测。 相似文献
11.
边坡变形和失稳受本身地质条件和外部环境等多方面因素的影响,由于这些因素的复杂性、多样性及其变化的随机性导致不同的边坡的位移和变形趋势有可能存在较大的差异。在分析总结边坡变形规律的基础上,针对边坡的典型位移-历时曲线需经历初始变形、稳定变形和加速变形3个阶段,呈反“S”型的特点,根据边坡位移的实测时间序列资料建立边坡变形的成长曲线反函数变权重组合的时变预测模型。通过与工程实例的对比分析表明,各单项预测方法是基于已知样本的固定模型,能大致反映边坡变形的发展趋势,但仍存在较大误差,而所提出的方法能充分考虑不同模型的优点,有较高的精度,适用于实际工程中边坡的变形预测及失稳的预警。 相似文献
12.
基于混合核函数PSO-LSSVM的边坡变形预测 总被引：2，自引：0，他引：2
支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。 相似文献
13.
灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在滑坡地质灾害研究方面，灰色模型多用于滑坡变形的中长期预测预报，且精度较高。文章在介绍分析了灰色预测模型GM(1，1)的基本原理基础上，开发了用VB语言编写的滑坡位移灰色预测软件，解决了笔算困难问题。实例验证了该模型用于预测滑坡位移值的适用性及软件的可靠性。VB编程能够很好地与其它软件(GIS软件)集成，在其它专业软件中使用，有聋于滑坡地质灾害的研究。 相似文献
14.
岩石边坡系统是一典型灰色系统，其变形发展过程可以用灰色预测模型完成。尽管传统GM（1，1）模型预测有很多成功的实例，但是也存在一些预测偏差过大的情况，必须对其进行优化。逐步迭代法GM（1，1）模型不仅收敛速度快，而且与原始数据库序列的凹凸性保护一致。利用自编的计算程序对马步坎边坡预测测点G1沉降和开裂进行预测分析，结果表明逐步迭代法GM（1，1）优化模型计算精度较传统GM（1，1）模型和背景构造法GM（1，1）优化模型高，较好地反映了岩石边坡的变形趋势。 相似文献
15.
边坡变形模拟预测的普适灰色模型 总被引：13，自引：2，他引：13
传统灰色GM(1,1)模型,多适用于等间距监测数据序列的模拟预测;对非等间距序列,一般经过等间距处理或经过繁复的变换计算直接建立非等间距模型.从边坡变形模拟预测的角度来讲,传统灰色GM(1,1)模型只有当边坡变形呈低增长序列时,才能获得较高的模拟和预测精度,而对呈高增长序列的边坡变形往往产生较大的滞后误差.以优化灰色模型背景值为基础构建的普适GM(1,1)模型,不仅适用于边坡变形等间距监测数据的低、高增长序列,而且适用于非等间距的低、高增长序列,且都能获得很高的模拟和预测精度,对边坡变形的模拟预测具有普遍的适用性. 相似文献
16.