基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

被引：24

作者：

黄发明 ^{[1
]}

殷坤龙 ^{[2
]}

张桂荣 ^{[3
]}

周春梅 ^{[4
]}

张俊 ^{[2
]}

机构：

[1] 中国地质大学地质调查研究院

[2] 中国地质大学工程学院

[3] 南京水利科学研究院

[4] 武汉工程大学资源与土木工程学院

来源：

地球科学(中国地质大学学报) | 2015年 / 40卷 / 07期

关键词：

库岸滑坡; 地下水位时间序列; 相空间重构; 小波分析; 粒子群算法; 支持向量机; 地下水; 地质灾害;

D O I：

暂无

中图分类号：

P641 [水文地质学（地下水水文学）]; P642.22 [滑坡];

学科分类号：

0818 ; 081803 ; 0837 ;

摘要：

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列受多种因素影响,呈现出高度非线性非平稳的特征.为对其进行预测,提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine,简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解,将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列;然后重构各子序列的相空间,再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测,最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例,首先分析滑坡前缘地下水位变化的影响因素,再将WA-PSVM模型应用于地下水位预测,并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation,简称WA-BP)作对比.结果表明:滑坡前缘地下水位受降雨和库水位影响较大,利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966,WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题,在不考虑影响因素的情况下能获得满意的预测效果,具有较高的建模效率和较强的实用性.

引用

页码：1254 / 1265

页数：12

共 22 条

[1] A comparative study of artificial neural networks, Bayesian neural networks and adaptive neuro-fuzzy inference system in groundwater level prediction [J].