基于多算法参数优化与SVR模型的白水河滑坡位移预测

被引：13

作者：

苗发盛 ^{[1
]}

吴益平 ^{[1
,2
]}

谢媛华 ^{[1
]}

李曜男 ^{[1
]}

范斌强 ^{[1
]}

张俊 ^{[1
]}

机构：

[1] 中国地质大学(武汉)工程学院

[2] 教育部三峡地质灾害研究中心

来源：

工程地质学报 | 2016年 / 24卷 / 06期

关键词：

白水河滑坡; 时间序列; 位移预测; 支持向量回归机; 遗传算法;

D O I：

10.13544/j.cnki.jeg.2016.06.013

中图分类号：

P642.22 [滑坡];

学科分类号：

0837 ;

摘要：

滑坡预测对于减轻地质灾害的危害十分重要,但对科学研究却很有挑战性。基于变形特征和位移监测数据,建立了三峡库区白水河滑坡的时间序列加法模型。在模型中,累计位移分为3个部分:趋势、周期和随机项,解释了由内部因素(地质环境,重力等)、外部因素(降雨,水库水位等)、随机因素(不确定性)共同作用的影响。在对位移数据进行统计分析后,提出了一个3次多项式模型对趋势项进行学习,并利用多算法寻优的支持向量回归机(SVR)模型对周期项进行训练与预测。结果表明,在预测精度上,基于时间序列与遗传算法-支持向量回归机(GA-SVR)耦合的位移预测模型要明显优于网格寻优(GS)以及粒子群算法(PSO)优化的支持向量回归机模型。因此,GA-SVR模型在滑坡位移预测方面可以得到较好的应用。在"阶跃型"滑坡位移预测中,GA-SVR将具有广阔的应用前景。

引用

页码：1136 / 1144

页数：9

共 23 条

[11] 三峡库区侏罗系红层滑坡变形破坏机理与预测预报研究[D]. 缪海波.中国地质大学 2012
[12] 时间序列分析的工程应用[M]. 华中理工大学出版社 , 杨叔子等著, 1992
[13] A new practical method for prediction of geomechanical failure-time
Mufundirwa, A.
Fujii, Y.
Kodama, J.
[J]. INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES, 2010, 47 (07) : 1079 - 1090
[14] Determination of optimal support vector regression parameters by genetic algorithms and simplex optimization[J] . B. üstün,W.J. Melssen,M. Oudenhuijzen,L.M.C. Buydens.Analytica Chimica Acta . 2004 (1)
[15] How to obtain alert velocity thresholds for large rockslides
Crosta, GB
Agliardi, F
[J]. PHYSICS AND CHEMISTRY OF THE EARTH, 2002, 27 (36) : 1557 - 1565
[16] 库水位涨落与降雨联合作用下滑坡地下水动力场分析
李晓
张年学
廖秋林
吴剑波
[J]. 岩石力学与工程学报, 2004, (21) : 3714 - 3720
[17] 滑坡敏感因子的灰色关联分析
汪洋
殷坤龙
安关峰
[J]. 岩土力学, 2004, (01) : 91 - 93
[18] 降雨对边坡变形破坏影响的综合分析
刘小伟
刘高
谌文武
韩文峰
[J]. 岩石力学与工程学报, 2003, (S2) : 2715 - 2718
[19] 斜坡失稳时间的协同预测模型
黄润秋
许强
[J]. 山地研究, 1997, (01) : 7 - 12
[20] 滑坡预测及相关模型
殷坤龙，晏同珍
[J]. 岩石力学与工程学报, 1996, (01)

← 1 2 3 →