基于新的滑坡时序分解和时滞LSTM的滑坡位移预测研究
滑坡位移在受到降雨因素影响时，总会出现非线性的波动变化，为了提高对此类滑坡位移变化的预测效果，提出了一种新的滑坡累计位移数据分解方法和影响因子时滞预测模型。首先建立时序滑坡位移分解方法获取原始滑坡累计位移序列的趋势项和波动项，随后分析波动项与降雨量变化的时间滞后关系，建立顾及时滞影响的降雨因子长短时记忆网络模型对波动项进行建模预测，同时利用动态灰色预测模型对趋势项进行建模预测，构建出基于时序滑坡位移分解算法、时滞长短时记忆网络模型和动态灰色模型的新组合预测模型。以中国三峡库区八字门滑坡为例，通过分析与常规分解模型、变分模态分解模型的区别，验证所提出的时序分解方法的优越性，并与建立的预测模型组合建模预测，同时与其他模型对比预测精度，实验结果表明，本文所构建的新模型预测效果更优，为滑坡累计位移的预测提供了一种新的方法。
滑坡累计位移预测 时序滑坡位移分解 时滞 长短时记忆网络 动态灰色预测模型 组合预测
陈曦
成都理工大学地球科学学院,四川成都,中国,610059
国内会议
北京
中文
1-6
2022-12-01（万方平台首次上网日期，不代表论文的发表时间）