基于时间序列分析法的滑坡变形特征研究

应用时间序列分析方法建立滑坡位移ARIMA预报模型。采用差分平稳,自回归AR模型和移动平均MA模型对滑坡位移进行预测,得到了该滑坡监测点TP1的预报模型为ARIMA(2,2,1),然后分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于时间序列分析法的滑坡变形特征研究

应用时间序列分析方法建立滑坡位移ARIMA预报模型。采用差分平稳,自回归AR模型和移动平均MA模型对滑坡位移进行预测,得到了该滑坡监测点TP1的预报模型为ARIMA(2,2,1),然后分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于监测数据的马坪滑坡稳定性分析

滑坡位移变形的产生及演变,对于滑坡安全稳定性的评价至关重要。本文以德化县马坪滑坡为例,利用位移监测数据,并结时间序列模型分析滑坡体的位移变化,在此基础上结合降雨、地下水等影响因素分析对今后滑坡的稳定性进行了预测。结果表明基于位移监测数据的时间序列模型具有较高精度,对了解边坡位移的发展趋势以及研究边坡的动态稳定性是有效可行的。     

利用时间序列模型进行隧道管片沉降数据预报研究

对隧道管片沉降数据序列进行平稳化处理,采用时间序列模型中的自回归(AR)模型建立隧道管片沉降数据预测模型。结合工程实例的多期数据进行沉降预报,并与实测值比较,其结果充分说明:自回归模型在隧道管片沉降预报中具有建模快捷、计算简便、预报短期数据准确性高的特点。     

边坡非线性位移的神经网络–时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络–时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。     

基于相空间重构的公路边坡位移分形特征分析

根据高速公路边坡位移动态变化时间序列的非线性性质,利用时间序列的 Takens 相空间重构方法,由一维的单变量观测数据序列进行相空间拓展,在拓展的相空间中得出公路边坡位移动态变化时间序列的分维数,从而揭示了边坡位移动态变化的内在规律及其本质特征。     

基于时间序列交叉的供热负荷预报研究

根据供热过程的特点和节能控制的要求,提出对热力站作实时负荷预报,并以此作节能监控信号。现场测取热力站负荷预报样本序列,并对此样本序列进行预处理,然后建立基于时间序列预报的AR模型,最后对热负荷进行交叉预报。通过对预报结果的比较分析,该方法精度高,实时性好,满足供热工程的应用。     

相空间重构技术在边坡位移预测中的应用

边坡位移时间序列是边坡失稳预测中一个重要的参数,文章采用相空间重构技术的混沌时间序列分析法,对其进行了分析,并对时滞系数和嵌入维数等关键参数的确定方法进行了论述.研究表明,这是一种有较好前途的研究方法.     

基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型

 与支持向量机相比,高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯过程回归引入边坡非线性变形时序分析,采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数,但共轭梯度法存在优化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传–组合核函数高斯过程回归算法,并编制了相应的计算程序。卧龙寺新滑坡变形时序分析结果表明,与遗传–单一核函数高斯过程回归算法和遗传–支持向量回归算法相比,所提出的遗传–组合核函数高斯过程回归算法显著提高预测精度,可以应用于边坡变形的时序分析,并为类似工程提供借鉴。     

基于Lyapunov指数改进算法的边坡位移预测

给出了一种最大Lyapunov指数的改进算法,这种改进算法不仅对小数据序列可靠,而且计算量小,相对容易操作。通过对边坡位移历史数据序列进行特征分析,计算出最大Lyapunov指数,并利用最大yapunov指数的一维模式进行边坡位移预测。这种改进的方法比已有的研究方法更可靠,而且操作起来比较方便。通过对三峡升船机高边坡和新滩滑坡实际位移数据进行预测,结果令人满意。     

Prediction of grey-catastrophe destabilization time of a granite residual soil slope under rainfall

The stability of a residual soil slope is a system of grey and white, and gradual change and sudden change. It is difficult to accurately forecast the instability time of a granite residual soil slope, because the factors affecting the instability of granite residual soil slopes are random and uncontrollable. Using the grey prediction method, the accumulation generation of data weakens the influence of random disturbance factors in the original sequence, and enhances the regularity of data. In this paper, we proposed a grey cusp catastrophe prediction model to calculate the instability time of granite residual soil slopes under rainfall. We took one-time cumulative transformation of the remote monitoring data of slope displacement, and then conducted polynomial regression fitting on the processed displacement data and monitoring time. The grey cusp catastrophe instability prediction model of granite residual soil slopes was established using the nonlinear dynamic catastrophic prediction theory. The critical instability time of the slope was predicted using the grey catastrophe instability prediction method presented in this paper. For comparison, we conducted exponential curve fitting on the displacement data and monitoring time, and then established the Saito instability forecasting method of a soil slope to predict the slope instability. Through the engineering application, and using the presented grey catastrophe slope instability prediction method, the slope instability process may be accurately predicted. The calculation results using the grey catastrophe slope instability prediction method presented in this paper are in good agreement with the actual situation. Whether it can be used for other slopes remains to be further studied.

     

堆积层边坡表层位移矢量角及其在稳定性预测中的作用与意义

根据边坡不同稳定性的位移矢量角的形成机制以及对新滩边坡实际资料的分析，发现堆积层边坡的表层位移矢量角是描述和评价边坡整体稳定性的基本参数之一。它有明确的物理意义与预测预报标准，且受局部或随机因素影响较小，同时反映了边坡的变形受力条件与整体稳定性状态，在滑坡预测预报中有着位移或位移速率不可替代的作用。在此基础上，重点对边坡塑性滑移阶段的位移矢量角及其与稳定性的关系进行了系统的分析。运用数理统计趋势位移分析原理建立了边坡位移矢量角和位移速率双参数统计预测预报判据，克服了传统位移时序分析法单一参数预测理论的不足，并运用新滩边坡F系列监控点实际资料进行了双参数的后验稳定性验算与判别。预测结果与边坡的实际失稳时间与规律相吻合，说明该理论判据具有一定的精度和实用性。     

基于诱发因素响应分析的滑坡位移预测模型研究

 滑坡位移的变化除与其基础地质条件相关之外,更取决于诱发因素的动态作用。为建立滑坡位移动态变化与诱因变化的响应关系,采用时间序列分解预测模型,通过移动平均法将位移分解为趋势项及周期项。趋势项位移由边坡的势能和约束条件所决定,利用多项式位移函数进行拟合预测。周期项位移受库水位涨落和降雨等诱因的周期性动态作用而变化,选取当前月降雨量、累计前两月降雨量、月库水位高程变化量及年内总位移累计增量为影响因子,利用BP神经网络进行多变量位移预测。将各分项位移预测值叠加,从而得到总位移预测值。以三峡库区白水河滑坡为例,利用位移、降雨及库水位变化数据进行计算验证。结果表明,基于滑坡诱发因素和位移变化综合分析预测模型,可以较好地反映诱因动态变化对滑坡位移发展的关键作用,提高预测结果的精度和有效性。     

引入修正因子的非等时距时变参数灰色预测模型及应用

边坡系统是一类典型的复杂灰色系统,由于其位移监测数据离散程度较高,因此应用经典灰色预测模型往往会出现预测值偏差较大的情况。本文针对经典灰色预测模型GM(1,1)的不足,依据灰色系统理论信息处理原则,在灰色预测模型中引入Legendre时变参数,建立了非等时距时变参数边坡位移的灰色预测模型,并在计算过程中引入修正因子修正预测结果,根据后验方差比C的大小确定修正因子λ的取值,从而确定引入修正因子后边坡位移预测的整体最优化值,提高预测精度。此位移预测模型充分考虑了预测系统的时变性和灰色性,降低了预测系统的整体预测误差。由于文中预测实例的监测数据及测试时间间隔均有较大离散性,因此应用此模型进行预测较为合理。实例计算表明:预测模型可以较好的模拟已测数据并对边坡位移的短、中期变化有较为理想的预测效果。