基于时间序列与GWO-ELM模型的滑坡位移预测

• 作者: 吴益平 廖康 李麟玮 苗发盛 薛阳
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 滑坡位移预测 时间序列 GWO-ELM模型 趋势性位移 周期性位移
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 地质工程?土木工程
• 页码范围: 619-626
• 页数: 8页
• 分类号: P642.22
• 字数: 6209字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2019.03.015

摘要

针对三峡库区的阶跃型滑坡位移特征,以白水河滑坡为例,提出一种基于时间序列和灰狼优化的极限学习机(GWO-ELM)位移预测模型.首先,根据滑坡的内在演化规律和外部影响因素,建立滑坡位移的时间序列模型,将监测位移分解为趋势性位移和周期性位移,并运用稳健加权最小二乘法的三次多项式对趋势性位移进行拟合,以此得到周期性位移.其次,对位移监测数据进行分析,选取周期性位移的影响因子,分别通过GWO-ELM、极限学习机(ELM)和灰狼优化的支持向量机(GWO-SVM)模型对周期性位移进行预测.研究结果表明:GWO-ELM预测模型具有良好的泛化能力,能有效减少人为误差,在预测精度上,明显优于ELM和GWO-SVM模型.基于时间序列与GWO-ELM位移预测模型具有较高的预测精度和泛化能力,是一种有效的滑坡位移预测方法.