咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于多算法参数优化与SVR模型的白水河滑坡位移预测 收藏

基于多算法参数优化与SVR模型的白水河滑坡位移预测

DISPLACEMENT PREDICTION OF BAISHUIHE LANDSLIDE BASED ON MULTI ALGORITHM OPTIMIZATION AND SVR MODEL

作     者:苗发盛 吴益平 谢媛华 李曜男 范斌强 张俊 MIAO Fasheng;WU Yiping;XIE Yuanhua;LI Yaonan;FAN Binqiang;ZHANG Jun

作者机构:中国地质大学(武汉)工程学院武汉430074 教育部三峡地质灾害研究中心武汉430074 

出 版 物:《工程地质学报》 (Journal of Engineering Geology)

年 卷 期:2016年第24卷第6期

页      面:1136-1144页

核心收录:

学科分类:081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基  金:国家自然科学基金(41272307)资助 

主  题:白水河滑坡 时间序列 位移预测 支持向量回归机 遗传算法 

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。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分