基于经验模态分解和LSTM模型的滑坡位移预测

• 作者: 宋丽伟
• 来源期刊: 人民长江
• 学科: 地球科学
• 关键词: 滑坡位移预测 时间序列 经验模态分解 长短时记忆网络 新滩滑坡 三峡库区
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 地质与勘测
• 页码范围: 144-148
• 页数: 5页
• 分类号: P642
• 字数: 3452字
• 语种: 中文
• DOI: 10.16232/j.cnki.1001-4179.2020.05.024

摘要

建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性.鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动态预测.首先选用经验模态分解法(EMD)将滑坡累积位移分解成趋势项和周期项,然后利用多项式函数预测趋势项位移;再利用动态LSTM模型预测周期项位移;最后将各分量位移累加得到最终的模型计算值.结果 表明:LSTM模型预测结果的均方根误差为17.07 mm,相关性系数达0.999,具有较高的预测精度,为“阶梯状”滑坡位移的预测提供了一种可行的思路.