重庆藕塘滑坡地下水位时间序列混沌性判别与预测

发布时间：2021-10-25 04:52

　　在周期性库水位涨落和季节性强降雨等因素影响下,藕塘滑坡前缘地下水位时间序列呈现混沌特性。以藕塘滑坡前缘水文孔（MZK5）地下水位序列为研究对象,进行混沌分析;并利用饱和关联维数法和最大Lyapunov指数法,在水位序列相空间重构的基础上对混沌特性验证。为克服粒子群算法本身的不足和SVR模型参数选取困难的缺点,采用基于遗传选择策略的粒子群算法（GSSPSO）优化选取SVR模型的参数,再用预测性能较为精准的回归型支持向量机（SVR）模型对其进行预测。对MZK5水文孔地下水位进行了BP神经网络模型预测和优化后模型（GSSPSO-SVR）预测。结果表明:藕塘滑坡前缘地下水位序列具有混沌特征,GSSPSOSVR模型预测结果的均方根误差为0.036 m,拟合优度为0.803,说明GSSPSO-SVR模型预测效果较理想,且预测精度高于BP网络模型,具有较强的实用性。 

【文章来源】：人民长江. 2020,51(S1)北大核心

【文章页数】：5 页

【部分图文】：

藕塘滑坡地下水位监测点布置

MZK5水文孔地下水位监测值

非线性预测研究发现，当τ取值愈大时，非线性模型需拟合的关系就会愈加复杂，因此τ应视情况取较小值，此处取值为1。嵌入维数采用应用广泛的假邻近点法求取。计算结果如图3所示，当嵌入维取4时，地下水位时间序列的假邻近率小于5%，因此最佳嵌入维值选取4。由时间延迟为1，嵌入维为4，可重构地下水位序列相空间。如下所示：

【参考文献】：
期刊论文
[1]库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测[J]. 黄发明,殷坤龙,何涛,孟颂颂.  地质科技情报. 2015(06)
[2]月径流序列的混沌特征识别及Volterra自适应预测法的应用[J]. 李红霞,许士国,范垂仁.  水利学报. 2007(06)
[3]月降雨量时间序列中的混沌现象[J]. 袁鹏,李谓新,王文圣,丁晶.  四川大学学报(工程科学版). 2002(01)



本文编号：3456687