基于多算法参数优化与SVR模型的白水河滑坡位移预测

发布时间：2017-07-17 02:16

  本文关键词：基于多算法参数优化与SVR模型的白水河滑坡位移预测

  更多相关文章： 白水河滑坡 时间序列 位移预测 支持向量回归机 遗传算法

【摘要】：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。
【作者单位】： 中国地质大学(武汉)工程学院;教育部三峡地质灾害研究中心;
【关键词】： 白水河滑坡 时间序列 位移预测 支持向量回归机 遗传算法
【基金】：国家自然科学基金(41272307)资助
【分类号】：P642.22
【正文快照】： 0引言滑坡作为最严重的地质灾害之一,由于形成条件和地质过程复杂,使得其演化过程中的数据采集是一项极其艰巨的任务。因此,基于不完整的动态监测数据的滑坡预测理论开始兴起。滑坡变形预测开始于60年代的Saito模型。经过50a的发展,滑坡变形预测研究取得了非常大的成果。目前,，

本文编号：551577