基于多重约束优化的滑坡变形组合预测研究

发布时间：2018-12-26 13:27

【摘要】：为实现滑坡变形的高精度预测,进而达到滑坡稳定性判断的目的,首先采用BP神经网络、支持向量机及GM(1,1)模型对滑坡变形进行传统的单项预测,且为提高单项预测精度,再采用遗传算法、粒子群算法及半参数法对各单项预测模型进行优化;其次基于多种组合指标,采用累加法和累乘法确定综合组合权值,实现对滑坡变形的组合优化预测。结果表明:组合预测结果的精度及稳定性均高于单项预测,而在综合权值的确定过程中,累乘法要优于累加法,且最优组合预测结果的相对误差平均值和标准差分别为0.81%和0.62%,具有较高的预测精度及稳定性,验证了预测思路对滑坡变形预测具有较好的适用性和有效性。
[Abstract]:In order to achieve high precision prediction of landslide deformation and to achieve the purpose of landslide stability judgment, BP neural network, support vector machine and GM (1K1) model are used to predict landslide deformation. Then genetic algorithm, particle swarm optimization algorithm and semi-parameter method are used to optimize the single prediction model. Secondly, based on a variety of combined indexes, the combined weight value is determined by accumulative method and cumulative multiplication, and the combined optimization prediction of landslide deformation is realized. The results show that the accuracy and stability of the combined prediction results are higher than that of the single prediction, but in the process of determining the comprehensive weight value, the cumulative multiplication is better than the accumulative method. The average relative error and standard deviation of the optimal combination prediction results are 0.81% and 0.622respectively, which have higher prediction accuracy and stability. The results show that the prediction method has good applicability and validity for landslide deformation prediction.
【作者单位】： 青海省水文地质及地热地质重点实验室;青海省水文地质工程地质环境地质调查院;
【分类号】：P642.22

【相似文献】

相关期刊论文 前10条

1 黄岩,张国春,王其藩,朱道立;一种新的计算组合预测权重的方法[J];管理工程学报;2001年02期

2 王郁;;组合预测何以兴起[J];预测;1989年04期

3 谢素卿;曾珍香;;组合预测结果的优化[J];河北工学院学报;1989年01期

4 赵云升;害虫种群动态的组合预测[J];昆虫知识;1991年03期

5 C.W.J.Granger;赵文奇;;二十年来的组合预测[J];预测;1991年03期

6 唐小我;;最优组合预测的计算方法[J];管理现代化;1992年01期

7 马永开,唐小我;多目标组合预测优化模型研究[J];统计研究;1997年04期

8 曾勇,唐小我,陈珂;组合预测冗余方法判定的一个补充规则[J];电子科技大学学报;1998年02期

9 王硕,唐小我,周俊;组合预测软科学方法研究[J];运筹与管理;1999年01期

10 陈华友;组合预测权系数确定的一种合作对策方法[J];预测;2003年01期

相关会议论文 前9条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 田瑾;项静恬;陈殿斌;;多种时间序列建模及组合预测的比较和改进[A];中国现场统计研究会第九届学术年会论文集[C];1999年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年

7 樊英;张秋菊;;工业增加值预测系统的分析设计[A];中国企业运筹学[C];2006年

8 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

9 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[A];第十届中国管理科学学术年会论文集[C];2008年

相关博士学位论文 前6条

1 赵欣;小世界网络理论及其在风电功率短期预测中的应用研究[D];北京交通大学;2015年

2 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

3 蒋传进;基于模型遴选规则的自适应组合预测研究[D];东华大学;2014年

4 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

5 谭泗桥;支持向量回归机的改进及其在植物保护中的应用[D];湖南农业大学;2008年

6 王富强;风电场短期风速预测及模拟的理论与方法研究[D];华北电力大学;2013年

相关硕士学位论文 前10条

1 马艳玲;组合预测在医药流通企业销售预测中的应用研究[D];华南理工大学;2015年

2 陈嵩;组合预测技术及其在功率预测中的应用[D];华北电力大学;2015年

3 郭二凤;ATM现金流预测的研究[D];辽宁科技大学;2015年

4 施艳春;基于非线性时间序列和神经网络的风电功率短期预测[D];沈阳工业大学;2016年

5 王克楠;基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究[D];北京交通大学;2016年

6 马斌;基于人工智能的短期风电功率组合预测研究[D];西南交通大学;2016年

7 沈达;我国通货膨胀率的波动与组合预测研究[D];首都经济贸易大学;2016年

8 杨冬强;风力发电短期功率预测研究[D];郑州大学;2016年

9 安秋娴;贵州省中期用电需求组合预测[D];华北电力大学(北京);2016年

10 刘旭;基于大数据的风功率预测模型优化研究与实现[D];华北电力大学;2016年

，

本文编号：2392186