基于CEEMDAN理论和PSO-ELM模型的滑坡位移预测

• 作者: 张俞 张怡悦 杨永刚 檀梦皎 殷坤龙 赵海燕 郭子正
• 来源期刊: 地质科技情报
• 学科: 地球科学
• 关键词: 自适应噪声完整集合经验模态分解 粒子群优化 极限学习机 滑坡位移预测 Elman神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 工程地质
• 页码范围: 165-175
• 页数: 11页
• 分类号: P642.22
• 字数: 6147字
• 语种: 中文
• DOI: 10.19509/j.cnki.dzkq.2019.0619

摘要

对三峡库区中具有“阶跃型”位移曲线的滑坡进行位移预测的难度较高,为此,提出了基于自适应噪声完整集合经验模态分解法的粒子群优化—极限学习机模型,并将该模型用于万州区塘角1号滑坡的位移预测.首先利用CEEMDAN法提取滑坡趋势项位移和波动项位移的不同IMF组分,并使用Elman神经网络对趋势项位移进行预测;其次结合历史监测资料,通过滑坡位移对降雨、库水位等诱发因素的响应分析,确定了7种不同的波动项位移影响因素,并使用CEEMDAN法分解得到上述因素的各IMF分量;然后通过模糊熵分析,将波动项位移和诱发因素的IMF分量一一对应,构建PSO-ELM模型进行波动项位移的预测;最后将趋势项位移预测值和波动项位移预测值叠加得到累积位移的预测值.结果 表明:和ELM模型、PSO-ELM模型相比,基于CEEMDNAN的PSO-ELM模型的预测精度更高,其均方根误差(RMSE)和拟合优度(R2)可达到0.54 mm和0.99,为滑坡位移预测提供了一种新手段.