基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测
摘要
摘要: 三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下，其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型，均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型，大都采用经验性的方法来选取输入变量；常规多变量模型对滑坡位移序列的非线性特征，及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此，提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine，ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别；然后用指数平滑法对累积位移进行预测，得到趋势项位移，并用累积位移减去趋势项位移得到剩余的波动项位移；之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构，并用ELM模型对多变量重构后的波动项位移进行预测；最后将预测得到的趋势项和波动项位移值相加，得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析，并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性，模型能有效预测滑坡位移，其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析，更能反映滑坡位移系统演化的物理本质. 关键词: 库岸滑坡 / 阶跃式位移预测 / 混沌分析 / 多变量相空间重构 / 指数平滑法 / 极限学习机
引用本文（GB/T 7714）
Faming Huang, 坤龙 殷, 背背 杨, 等. 基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测[J]. Earth Science-Journal of China University of Geosciences, 2018.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。