基于相关系数的滑坡位移新陈代谢组合预测研究

针对目前常规组合预测模型在滑坡位移预测预报中精度下降过快的问题,从基于相关系数的组合预测模型出发,应用新陈代谢理论提出了一种基于相关系数的滑坡位移新陈代谢组合预测模型,定义、推导了相应的计算公式,并引入预测评价指标体系对该模型的预测效果进行评价。同时,以黄茨滑坡和新滩滑坡位移为实例进行了验证,结果表明:基于相关系数的滑坡位移新陈代谢组合预测模型的预测评价指标优于单项预测模型和基于相关系数的组合预测模型。     

滑坡灾害空间预测方法研究综述

滑坡灾害空间预测是对滑坡可能发生的空间位置的预测,目前已形成了多种结合GIS制图的空间预测方法。介绍了国内外多种常用的空间预测方法,结合实际应用对比了不同方法的特点及其适用性,认为确定性模型物理力学意义明确,但假设条件与所需参数类型较多;统计预测方法相对简单,应用广泛,但难以描述滑坡与相关因素之间的非线性关系;模式识别模型适用于非线性问题,但也存在计算耗时,参数难以确定和噪声影响等问题;模糊综合评判更适用于单体滑坡的评价。尽管空间预测模型朝着越来越复杂的方向发展,但预测研究必须建立在坚实的地质分析基础上。针对目前空间预测效果检验常用已发生的滑坡位置与预测结果重合度作为评判标准,认为采用不稳定斜坡和有复活迹象的古滑坡作为检验样本更为合理。大型复杂单体滑坡需要高精度的空间预测评价,针对不同单体滑坡建立确定性模型是更可行的方式。     

基于混沌理论的混凝土裂缝开合度改进混合预测模型

针对传统混凝土裂缝开合度统计模型对温度非线性因素和残差特性考虑不足导致预测效果不佳的问题,首先考虑温度非线性因素,建立裂缝开合度改进统计模型,进而借助混沌理论与相空间重构理论对改进统计模型的残差时间序列进行混沌特性分析与相空间重构,采用遗传算法优化的BP人工神经网络对残差进行预测,最后集成获得改进混合预测模型对混凝土裂缝开合度进行预测。结合某泄水闸检修门库裂缝实测开合度,对比分析了传统统计模型、改进统计模型和改进混合预测模型的预测效果。结果表明：改进混合预测模型的预测误差更小,能有效改善裂缝开合度的预测效果。     

滑坡工程治理效果分形预测研究

滑坡经过工程治理的效果评价问题及其安全稳定性状况是不容忽视的课题。以滑坡变形时间序列为基础，构建分形预测模型，进行了稳定性预测研究和治理效果评价分析。依据杭金衢K103滑坡治理的实际情况，基于位移时序数据，采用分形预测模型评价其工程治理效果和反馈其安全稳定性状况，并引用地下水位埋深变化情况和抗滑桩动态变位情况予以实测对比验证。研究结果表明：滑坡治理采用的应急处治方案和永久加固方案切实可行，各项工程措施均充分发挥了功能效应，综合作用下滑坡治理效果显著，其稳定性变化趋势说明滑坡目前处于安全稳定状态。其亦证实分形预测模型分析精度高、处理速度快，能为滑坡治理和安全分析提供可行的技术平台。     

基于IVDF-SVR耦合模型的边坡变形预测

针对改进变维分形在分形维数进行拟合预测中的不足,提出一种基于改进变维分形理论(IVDF)和支持向量回归机(SVR)理论耦合的分形预测模型。该模型利用支持向量回归机(SVR)理论来对原来改进变维分形模型中分形维数序列进行拟合预测。以茅坪滑坡的边坡位移监测数据为例,选取ln(r)-ln(S1)累计和序列分维分段曲线作为预测模型的分形参数曲线,先利用改进变维分形模型计算各曲线的分段分形维数,进而预测边坡的位移值,再利用IVDF-SVR耦合模型计算各曲线的分段分形维数,进而预测边坡的位移值。预测结果表明,IVDF-SVR耦合模型充分利用了分形理论的自相似性,使预测模型具有良好的抗噪性,同时结合SVR理论的自学习能力,可以实现小样本、非线性条件下的数据拟合与预测的优势,使得该模型能够达到较好的预测长度和较高的预测精度,有着较好的应用前景。     

黑山峡地区地表形变预测模型适用性分析

滑坡等地质灾害对拟建的黑山峡水利枢纽库区存在较大危害,现有的山体滑坡研究大多只关注过去某些时期的情况,缺乏对未来可能发展的预测,因此无法采取足够的措施应对未来可能由山体滑坡引起的自然灾害。文章基于PS-InSAR地表沉降数据,分析地表沉降预测模型在黑山峡地区的适用性。预测模型包括灰色矩阵(GM)预测模型、反向传播神经网络(BPNN)预测模型和灰色神经网络(GNNM(1,1))。结果表明灰色神经网络具有更高的预测准确性和稳定性,可以更好地适应黑山峡地区真实情况。该结论对于进行黑山峡区域地表形变监测和未来预测的相关研究和决策具有重要意义。     

滑坡变形的回归-神经网络预测模型研究

受多种因素影响,滑坡变形具有趋势性和随机性的特点。从滑坡变形监测数据着手,将监测数据分离成趋势值和随机值,建立了滑坡变形的回归-神经网络预测模型。该模型采用逐步回归方法对滑坡变形的趋势值进行预测,用BP神经网络预测方法对滑坡变形的随机值进行预测。利用金沙江乌东德坝址区金坪子滑坡TP06点高程位移变化实测数据,对该模型进行了验证。结果表明:预测误差不超过11%,具有较高的预测精度。     

用"探索性数据"分析优选预测模型的研究

 为了从三峡工程大量安全监测数据中,找出内在变化规律,建立一个能客观预测键建筑部位变形及应力、应变情况的数学模型,采用"探索性数据"分析法即类比优选法对预测模型的构建进行了研究。以三峡二期上游围堰第一道防渗墙为例,用多元回归、灰色模型、时间序列统计方法构造了3种预测模型,通过对预测模型的计算值及实测值进行对比分析,可以看出：多元非线性回归模型的残差较小,计算结果的拟合程度及模型反映的规律性均较好;时间序列模型次之;灰色模型的拟合程度及残差均偏离较大。实测数据检验表明,回归模型预测效果较好,其测值在预报范围内的可能性为95%,为此,选定多元非线性回归模型为预测模型。     

基于储备池运算和分形插值的滑坡位移预测

滑坡地质灾害的预警可通过监测并预测滑坡位移实现。滑坡演化过程机制复杂,在无法得到准确机理模型的情况下,建立数据驱动的滑坡位移模型是模拟滑坡演化趋势的有效途径。针对滑坡演化的复杂非线性以及动态特性,建立基于储备池运算的动态神经网络滑坡位移预测模型。为了使储备池得到更充分的训练,进一步引入分形插值方法对滑坡位移测量序列进行扩展。预测方法用于3种不同发展趋势的典型滑坡,都得到了精确的预测结果。方法为实现具有复杂动态特性的滑坡位移短时序预测问题提供了解决方案。     

C++ Builder编程实现BP网络城市可持续发展调控预测模型

在总结非线性时间序列预测模型的基础上,将城市可持续发展调控预测和人工神经网络BP算法相结合,通过查询相关城市可持续发展调控预测资料及网上搜索,确定作为模型预报因子的指数,再筛选影响城市可持续发展调控预测的相关指标,对原始数据进行处理,选取影响城市可持续发展调控预测的主要因素,提出了基于神经网络的城市可持续发展调控预测模型,并借助于C＋＋Builder编程来实现.     

若干水文预报方法综述

将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的模型.过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改进,以适应较大时间尺度预报的需要.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.     

神经网络技术在水文系列中长期预报中的应用

运用人工神经网络技术的基本原理，以降雨量作为基本影响因子，建立了流域年径流量的神经网络预报模型。在建模过程中，为保证计算快速收敛，重新定义了权重增量的计算公式。从两个流域的应用实例资料验证表明，模型基本合理、可靠，具有较好的适应性和预报精度。由模型计算结果可以看出，将人工神经网络技术应用于流域年径流量的预报研究，是以系统的观点将降雨与径流作为输入和输出联系起来，它可为流域径流的中长期变化预测提供一条崭新而有效的途径。     

闽江流域洪水预报模型比较研究

应用新安江模型与垂向混合产流模型对闽江流域干流以上的15个子流域进行了模拟验证,进一步论证了这两种概念性流域水文模型结构的合理性,并得出了如下结论:大闽江流域,新安江模型与垂向混合产流模型都适用,且均能取得良好的效果。由于不同的洪水预报模型考虑产流机理的不同,采用的结构与参数不同,对不同洪水特征的计算结果也有差别,在实际使用中,设置不同结构的洪水预报模型是必要而且是有效的。同时,还对历史洪水根据其涨洪前段的实测流量过程与模型计算流量过程的确定性系数最大作为选择模型的标准,进行模型选择模拟预报。由此还得出另一个结论:在实时洪水预报中,根据不同的预知信息实时选择最佳的模型,能提高洪水预报的精度。     

梯级-关联算法在多泥沙河流含沙量预报中的应用

本文借助历史加成法处理样本数据，并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报。传统BP网络需要预先设定网络结构，预报过程虽利用了神经网络的内插特性，但其样本的处理方式和网络构建方式使得运算效率较低；CC算法仅要求初始网络含有输入层和输出层，通过运算不断向网络增加隐含节点，从而最大限度的减少了在网络构建过程中的主观因素。本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现，结果显示：当预报的峰值为训练样本峰值的2.45倍时，二者均能实现较为准确的预报，BP网络在预报精度上要略高于CC网络，但CC网络在运算速度上要明显快于BP网络。     

门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

基于粗集和改进BP网络的城镇日用水量预测模型

针对城镇日用水量受某些影响因素冗余性、非定量性、非线性的影响以及这些影响在预测模型中很难体现等问题,分析了影响城镇日用水量的因素,利用粗集知识约简方法去除冗余,选择影响城镇日用水量的主要因素,结合改进的BP网络建立城镇日用水量预测模型,并将该模型的预测效果与未采用粗集方法去除因素冗余的模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更加适用于影响因素较多的城镇年、月用水量的预测。     

基于粒子群仿生算法的混凝土坝变形预报模型

将粒子群算法引入大坝安全监控领域,并结合多元回归统计模型,建立基于粒子群算法的混凝土坝变形预报模型。利用粒子群算法的全局寻优能力以及该算法具有正反馈信息的仿生特点,通过优化迭代计算,确定坝体变形统计模型中各回归系数。工程实际应用表明,基于该模型的预报结果与传统的最小二乘法相比,可显著提高混凝土坝变形的预报精度,所以该模型的预报应用是可行的。     

三水源模型在滦河流域的应用分析

流域洪水预报模型大致可分蓄满产流和超渗产流2种方式,针对滦河流域的地形、地貌及雨洪特性,采用三水源模型,属于蓄满产流方式。介绍三水源模型实时洪水预报系统在滦河流域的应用。利用模型,根据计算误差来实时修正估计结果、模型参数等,使得实时洪水预报系统具有较好的实时修正和动态跟踪能力。实际应用过程中,由于流域实际产流过程是复杂、多样的,蓄满与超渗2种产流方式在同一区域可能同时存在,预报结果与实测数据存在一定误差,但通过实例分析,多数误差在规定的范围内,正常情况下的预报精度较高,基本上满足了水库防汛要求。     

基于PSO的SVM年径流预报模型研究

为了使SVM具有更好的预测效果,考虑到人为选择参数的随机性,提出了应用PSO优化SVM参数的年径流预报模型,并将其应用于伊犁河雅马渡水文站的年径流预报。结果表明:与改进的最速下降共轭梯度法、进化单纯形法相比,经参数优化的SVM年径流预报模型能够较好地模拟年径流量与其影响因子之间的非线性映射关系,提高预报精度。