基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

融合自注意力机制的Conv-LSTM边坡位移预测方法

露天矿边坡的稳定性直接影响到矿山的安全生产,边坡位移监测数据是表征边坡变形发展过程的重要参量,通过对监测数据进行分析研究,有助于实现滑坡预警。以河北金隅鼎鑫水泥有限公司某开采中的矿山边坡为例,基于监测点采集的边坡位移数据,建立了基于卷积—长短期记忆网络(Conv-LSTM)的多因素边坡位移预测模型。利用长短期记忆网络(Long Short-term Memory,LSTM)提取位移时间序列中的时序信息,通过卷积层提取位移序列中隐藏的深层特征。针对卷积层对于数据之间内部特征提取不充分的问题,引入自注意力机制(Self-attention Mechanism)充分提取边坡位移数据之间的关系特征。试验结果表明:融合自注意力机制的Conv-LSTM边坡位移预测模型的预测准确率较高,与原始位移序列的相关性较好,能更真实地反映边坡变形规律。     

基于SVR组合模型的边坡位移预测研究

为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

基于多因素位移时序PSO-SVM的边坡变形预测

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列。引入粒子群算法(PSO)对支持向量机(SVM)的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型。以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度。新模型在边坡位移时序预测中具有一定的工程应用价值。     

边坡位移时间关系模拟的人工神经网络模型

利用Matlab语言编程建立BP神经网络模型，并基于大量的历史位移数据模拟了边坡位移与时间的关系．最后将模型用于山东省莱州仓上金矿北帮边坡的位移预测．比较表明，模型计算结果与监测值相差很小，说明应用模型预测边坡位移是可行的．     

基于Matlab的边坡位移及稳定性预测的神经网络系统

边坡位移的产生及发展对边坡的稳定性是极为重要的，然而导致边坡产生位移的因素是极其复杂的，采用具有非线性映射功能的神经网络理论，在Matlab环境下编程，建立了位移及稳定性预测的BP神经网络模型，运用历史位移数据训练神经网络并进行测试，将训练好的网络模型用于预测边坡位移的发展，进而预测边坡的稳定性。最后将该预测系统用于山东省莱州市仓上金矿北帮边坡工程，预测结果与已有的监测数据相比误差很小，说明效果良好。该系统对了解边坡位移的发展趋势以及研究边坡的动态稳定性具有一定的意义。     

小波神经网络在露天矿边坡变形预测中的应用

为了提高边坡位移变形监测数据预测的精度和可靠性,建立了基于改进BP算法的小波神经网络预测模型。以水厂铁矿GPS边坡监测数据为样本,通过编制Matlab小波神经网络程序进行训练和预测。结果表明,小波神经网络预测模型有良好的函数逼近能力及容错能力。因此,该预测模型在非线性时间序列预测中,具有高精度性和可靠性。     

铜绿山矿北坑边坡稳定性监测及失稳预测分析

采用了最常规的边坡位移监测方法对铜绿山矿北坑东边坡进行了监测,并运用了Verhulst反函数预测模型进行预测分析,取得了良好的预测效果,为铜绿山矿北坑边坡的综合治理提供了技术指导.     

动态修正偏移度阈值的灰色模型及其应用

边坡系统是一个开放的、多因素的动态系统,建立高精度的灰色预测模型,对分析边坡位移演变规律、评价边坡稳定性极为重要。考虑蓄水边坡岩石水致弱化的影响,引入水致弱化系数,通过岩石水致弱化参量及应力-应变关系,推导与饱水-失水循环次数有关的水致弱化总演化方程。结合水致弱化系数,对位移增量偏移度的常规阈值进行修正,得到在边坡不同变形阶段下的偏移度阈值。以位移增量偏移度修正阈值为识别指标,对监测数据异点进行识别平差,建立考虑水致弱化影响的动态修正偏移度阈值的灰色预测模型,并将该模型应用于三山岛仓上露天坑尾矿库边坡工程中。实例分析表明：该模型预测结果与实测数据较为接近,具有较高的精度,能够描述边坡在水位反复升降动态循环过程中的位移变化趋势,对研究边坡的动态稳定性具有重要意义。     

灰色模型在某供水工程边坡位移预测中的应用

根据边坡位移监测信息 ,应用灰色系统原理和方法 ,建立GM( 1,1)模型 ,模拟边坡位移并预测其发展趋势。实践表明 ,该方法是处理边坡位移反馈信息并预测位移发展的有效手段 ,能为工程边坡的动态设计和信息化施工提供决策依据     

相空间重构理论在边坡失稳预测中的应用

对边坡位移值的时间序列利用相空间重构理论建立预测模型,预测出边坡失稳的时间,给出了一种预测边坡失稳的新思路,并探讨了嵌入维数的确定方法。     

基于PSO优化BP神经网络的露天矿边坡位移预测模型

BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.566 8%和0.353 0%,具有较好的精度和实际应用价值。     

RBF神经网络在露天矿边坡位移预测中的应用

露天矿边坡治理历来都是研究的重点,边坡稳定与否直接关系到人员设备安全及生产衔接。文章从测量的角度出发,对监测得到的边坡位移序列进行建模分析,发现边坡变形规律和趋势,为边坡治理提供可靠的依据。     

边坡位移预测中的相空间重构技术综述

边坡位移时间序列是边坡失稳预测中一个重要的参数,本文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。     

基于灰色理论的某露天矿边坡稳定性预报

以某露天矿GPS位移监测数据为依据,建立边坡稳定性灰色预报方案,对比监测值表明,通过灰色理论建立GM(1,1)模型,得出时间响应函数进行位移预测是可行的.由此编写相应预报软件,便于根据监测数据预测边坡稳定性,对现阶段位移数据预测表明,边坡稳定性较好,后期应加强监测和预报,对矿山安全生产和施工具有一定指导意义.     

灰色系统理论在露天矿边坡岩体变形预测中的应用

通过对灰色系统GM(1,1)模型的介绍,根据某露天矿边坡的实际情况,建立了预测模型并对某监测点空间位移进行了预测,通过与实测数据曲线对比发现模型预测精度较好,可以应用于实际工程。     

露天矿边坡锚固参数地震响应敏感性分析

利用FLAC^3D软件建立了锚固露天矿边坡数值模型,研究了锚固参数对锚杆动力响应、边坡位移响应以及边坡塑性应变贯通长度的影响,并通过权重分析法对锚固参数进行了敏感性分析。研究结果表明:随着锚杆长度和锚孔直径增加,边坡永久水平位移和塑性应变区贯通率都减小,锚杆轴力峰值逐渐增大;随着锚杆竖向间距增大,三者均增大;随着锚固倾角增大,边坡永久水平位移和塑性应变区贯通率先减小后增大,锚杆轴力峰值则先增大后减小;锚固参数对锚杆轴力的影响权重由高到低依次为锚孔直径、锚杆长度、锚杆间距、锚固倾角;对塑性应变区贯通率影响权重由高到低依次为锚杆间距、锚孔直径、锚杆长度、锚固倾角;对边坡位移的影响权重由高到低依次为锚杆间距、锚杆长度、锚孔直径、锚固倾角。     

边坡雷达在露天矿山边坡滑坡预警的应用研究

露天矿山边坡位移监测是矿山边坡稳定性监测的主要内容之一,通过位移监测可以掌握露天矿山边坡体的变形规律,及时了解边坡动态并对边坡进行管理。边坡雷达可以通过持续监测边坡表面位移预测边坡变形失稳,并依据岩体变形破坏规律,预测预报滑坡发生的可能性与滑坡时间,通过对乌拉根锌矿2020年12月15日边坡橙色预警信息及监测数据分析,结果表明:边坡雷达可有效实现对露天矿山边坡滑坡提前预警,通过优化预警参数,可使预警信息更加精准。     

边坡位移监测与控制

边坡位移监测与控制是保证基坑边坡在施工和使用期内安全的重要手段和措施，只有在设计过程中明确了边坡变形的允许范围，才能选择合理的计算模型和支护体系，并采取有效措施对边坡位移进行控制，保证其安全和正常使用。本文通过对现有各种规范的总结，提出了建筑基坑边坡位移监测与控制看法，供业界同行参考。