为提高滑坡变形的预测精度,首先采用卡尔曼滤波对滑坡的变形数据进行去噪处理,分离出趋势项和误差项,再利用多种单项预测模型对趋势项进行预测,最后利用综合图形法确定组合权值,实现趋势项的组合预测;其次,利用神经网络模型对误差项进行预测,进而得到滑坡变形的预测值。结果表明:半参数卡尔曼滤波的效果最优,并通过组合预测有效地提高了预测精度,达到了对滑坡变形高精度及高稳定性预测的目的,验证了该预测模型的可行性和有效性。
Abstract
The aim of this research is to improve the accuracy of predicting landslide deformation. Firstly, trend terms and error terms were isolated through denoising the deformation data by using Kalman filter. Then comprehensive graph weight method was employed to determine the combinatorial weights for trend terms. Furthermore, neural network model was adopted to the prediction for error terms. Results suggest that the effect of half parameters and half Kalman filter method is the optimum. The present model has improved prediction accuracy, and is verified to be of feasibility.
关键词
滑坡 /
变形预测 /
回归模型 /
神经网络 /
综合图形权值法
Key words
landslide /
deformation prediction /
regression model /
neural network /
comprehensive graphic weight method
{{custom_sec.title}}
{{custom_sec.title}}
{{custom_sec.content}}
参考文献
[1] 陈冠宇,文鸿雁,周 吕,等. 基于Kalman滤波下的高铁隧道沉降变形评估方法[J]. 桂林理工大学学报,2013,33(4):671-676.
[2] 王 成,何美琳,覃 婕,等. 半参数Kalman滤波模型在GPS变形数据处理中的应用[J]. 施工技术,2015,44(增刊):818-821.
[3] 魏小楠. 曲线回归分析模型在滑坡预测中的应用[J]. 华东公路,2008,(3):65-67.
[4] 王秀丽,李恒凯. 滑坡变形的回归-神经网络预测模型研究[J]. 人民黄河,2012,34(7):90-92.
[5] 曹洋兵,晏鄂川,谢良甫. 考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究[J]. 岩土力学,2012,33(3):848-852.
[6] 李秀珍,王芳其. 滑坡变形的多因素小波神经网络预测模型[J]. 水土保持通报,2012,32(5):235-238.
[7] 李秀珍,王成华,孔纪名. 基于最优加权组合模型及高斯-牛顿法的滑坡变形预测研究[J]. 工程地质学报,2009,17(4):538-544.
[8] 隆 然,董志勇. 基于小波去噪和神经网络的滑坡变形组合预测研究[J]. 路基工程,2015,(6):33-39.
[9] 罗 林,左昌群,赵 连,等. 基于BP神经网络和R/S分析的隧道仰坡沉降变形预报预测[J]. 施工技术,2014,(11):80-84.
[10]秦 鹏,张喆瑜,秦植海,等. 滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型[J]. raybet体育在线
院报,2012,29(3):29-34.
PDF(1758 KB)
