基于变分模态分解与GWO-MIC-SVR模型的滑坡位移预测研究

• 作者: 吴益平 廖康 张龙飞 李麟玮 苗发盛
• 来源期刊: 岩石力学与工程学报
• 学科: 地球科学
• 关键词: 边坡工程 滑坡位移预测 变分模态分解 灰狼优化 最大信息系数 支持向量回归
• 年，卷（期）: 2018,（6）
• 页码范围: 1395-1406
• 页数: 12页
• 分类号: P642
• 语种: 中文
• DOI: 10.13722/j.cnki.jrme.2017.1508

摘要

针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机(SVR)模型中输入向量权值无差异、最优训练组合无法确定等问题,基于时序分析理论和变分模态分解(VMD),结合灰狼优化算法(GWO)、最大信息系数(MIC)和SVR,提出一种新型滑坡位移预测模型.该模型首先采用时序分析法和VMD,将滑坡实际累积位移分解为趋势性位移、周期性位移和随机性位移.然后基于滑坡对各类影响因素的响应分析,为3种位移选择合适的影响因子,并采用GWO-MIC-SVR模型对各位移分量进行多数据驱动的动态单步预测.最终基于训练数据的时效性分析,确定最优训练组合,并应用时序加法模型将最优预测值进行叠加,实现对滑坡累积位移的预测.以三峡库区典型堆积层滑坡——白水河滑坡为例,选取监测点ZG93和ZG118从2004年1月～2013年4月的数据进行研究.结果表明,与以往的研究相比,该模型不仅有效预测时间较长,且预测精度较高,具有较高的实用性和推广应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴益平		42	851	17.0	29.0
2	苗发盛		6	13	2.0	3.0
3	李麟玮		4	5	1.0	2.0
4	张龙飞		3	0	0.0	0.0
5	廖康		1	0	0.0	0.0