基于时间序列和GRU的滑坡位移预测

近些年随着深度学习的兴起,长短时间记忆网络(LSTM)常应用于滑坡位移的预测.GRU(Gated Recur-rent Unit)是LSTM的一种改良,为此提出了一种联合时间序列和GRU神经网络来预测滑坡位移的方法.采用移动平均法将滑坡总位移曲线分解为趋势项位移和周期项位移,灰色Verhulst模型描述趋势项变化;考虑...     

基于时间序列的大坝早期变形预测

大坝早期变形是一个含有已知和未知因素的不确定的复杂过程,沉降变形计算和预测在水库运营管理中具有重要意义。针对大坝变形沉降曲线非平稳的特性,利用时间序列原理建模进行预测,并与实测数据进行比较。结果表明,时间序列预报模型较好地描述了变形监测点的变化规律,预测精度优于灰色模型,更适用于实际应用。     

时间序列预测法在大坝变形监测数据处理中的应用

对变形数据的分析与预测是变形监测数据处理的重要内容.从时间序列的基本原理出发,详细论述了如何使用这种方法对变形监测数据进行建模与预测,并通过实例计算验证了此种方法具有较高的拟合和预测精度,较好地描述了变形监测点的变化规律.     

基于时间序列模型的边坡位移预测研究

边坡在失稳破坏之前会有较大的变形,边坡位移是判断和预测坡体稳定性的重要指标之一,为了对边坡位移进行预测,实现地质灾害预警,文章基于江苏省内某边坡实时监测位移数据,建立差分自回归移动平均模型,对边坡的位移进行预测。结果表明,利用文章提出的模型进行该边坡位移分析与实测数据非常接近,并进一步预测了边坡未来的发展趋势,总体来看该方法是有效的。     

基于RBF多变量时间序列的滑坡位移预测研究

斜坡是一个受到多种因素影响的混沌动力系统,斜坡位移是其内部力学现象的宏观表现,具有很强的不确定性,从而导致难以建立斜坡位移的确定性方程。滑坡是斜坡的一种成因类型,具有相同的系统特性。滑坡经过防治后,其位移的主要外在动力因素除地下水外同时还受到防治设施的控制。滑坡位移及其影响因素所构成的混沌时间序列能够反映滑坡位移动力系统的历史行为。根据观测获得的多变量时间序列重构原滑坡位移动力系统,采用RBF神经网络实现变量间的映射关系,对滑坡位移进行了预测。预测结果对比分析表明:采用多变量时间序列预测模型能对滑坡位移进行有效预测,取得比单变量时间序列预测模型更好的预测效果;多变量时间序列预测模型具有更明确的物理力学意义,更能反映滑坡演化变形的实质特征。     

区域性地面沉降量预测的灰色与时间序列方法

由于特殊的地形、地质条件,海河流域因地下水超采造成的地面沉降现象较为严重．选用海河流域沧州地区的地面沉降历史情况作为特殊示例,运用灰色模型(GM)和时间序列模型(ARMA)进行建模、预测,最后尝试将两种模型混合,建立新的预测模型,根据实测沉降数据进行建模,预测未来地面沉降．此外,对三种模型进行比较、说明,来阐述混合模型优越性,以期为整个海河流域的地面沉降研究提供适合的方法．最后通过实例检测证明新的模型综合了原两种模型的特点,优势互补,达到了较好的效果,从而证明了其实用性与可信度．     

基于时间序列分析的滑坡变形动态预测研究

针对以往变形预测模型实用性不足的缺点,基于时间序列分析原理,结合系统论和岩土体流变理论,在深入研究影响滑坡变形的外界主控环境变量的基础上,采用移动平均法和多项式函数对位移时序的趋势项进行抽取和建模,用支持向量机建立起环境主控变量与位移偏离项之间的非线性关系,并根据变形对外界环境响应情况建立起动态预测模型。将此预测思路和方法应用于三峡库区某滑坡,通过实例研究表明：该预测思路和方法合理可行,不但具有较强的建模能力、且有较高的精度,可用于相关的工程实践之中。     

基于时间序列模型的济南趵突泉地下水位预测

本文对2012年5月至2017年12月济南泉域趵突泉的地下水位波动规律进行了分析,并采用3种灰色时间序列模型,评价了保泉形势,通过模型的拟合效果检验可知:对于存在周期性波动趋势的地下水位观测值,GM(1,1)模型优势未能得到充分体现,ARIMA与Holt-Winters模型的预测结果较为接近,整体精度较高,表现出明显的预测优势。深入比选ARIMA与Holt-Winters模型的8项拟合优度指标,最终确定利用预测效果最优的Holt-Winters模型,从时间序列的角度对趵突泉地下水位进行分析,并预测2018—2019年趵突泉的年平均水位分别为27.734m和27.605m,泉水位波动的峰值为28.215 m,谷值将出现于2019年的6月份,数值仅为27.124m,逼近27.01m的泉水停喷线,为近7年来的最低水位。预测结果表明:现状降雨与开采条件下,2019年6月趵突泉将面临潜在的停喷的危机,保泉形势不容乐观。     

时间序列分解模型在大坝变形预测中的应用

基于时间序列分解法建立大坝变形预测模型。引入灰色系统理论来分离趋项,并将全域法分析和时间序列有机结合。从预测结果可以看出,模型具有较高的预测精度。     

多元非平稳时间序列分析的滑坡变形预测研究

目前滑坡变形预测的时间序列模型为单变量模型,仅考虑时间-位移关系,未能考虑诱发因素对滑坡位移的影响,因此,建立多变量的时间序列模型十分必要。应用多元非平稳时间序列分析方法,建立了滑坡变形趋势的误差修正模型(ECM),实现了滑坡诱发因素和位移动态变化的综合分析。以三峡库区秭归县白水河滑坡为例,取监测点ZG93为代表,建立了基于多元时间序列分析的误差修正预测模型,并计算预测误差,结果显示,除个别数据点之外,预测误差均在±2.3%以内。     

结合频谱分析的时间序列分析在变形数据处理上的应用

时间序列分析在变形数据处理及预测上具有一定的精度,但无法探测到序列隐含的周期性变 形因素,具有一定局限性。在时间序列分析方法的基础上,在数据预处理部分添加了频谱分析的方法, 对数据进行进一步处理和预测,结果表明:结合了频谱分析方法的时间序列模型在数据的处理和预测方 面能够进一步提高精度。     

湛江地区年降水量的时间序列分析

通过应用时间序列分析技术,对湛江地区1955~2004年降水量序列进行分析,验证了该序列的时间序列特性,研究该序列ARMA模型的适应情况,证实年平均降水量序列满足ARMA模型并通过该模型对未来降水量进行预测。     

基于时间序列分析的地下水动态研究

根据济南市区多年地下水监测资料,采用多元回归模型研究济南岩溶水地下水位动态特征,地下水位年内动态呈明显季节性变化;随时间的推移,年际动态呈现降雨量对地下水位的影响程度逐渐减小、开采量的影响程度逐渐增加的特点。采用时间序列分析法分离了地下水位序列的趋势项、周期项和随机项,建立地下水位预测模型,计算结果与实测值相吻合。为济南岩溶水的合理利用、泉水保护、地下水的监测管理提供了科学依据。     

基于时间序列分析的地下水动态研究

根据济南市区多年地下水监测资料,采用多元回归模型研究济南岩溶水地下水位动态特征,地下水位年内动态呈明显季节性变化;随时间的推移,年际动态呈现降雨量对地下水位的影响程度逐渐减小、开采量的影响程度逐渐增加的特点.采用时间序列分析法分离了地下水位序列的趋势项、周期项和随机项,建立地下水位预测模型,计算结果与实测值相吻合.为济...     

时间序列分析方法在郑州市降水量预报中的应用

根据1971年-2013年郑州市的降水量资料,采用二次多项式拟合提取降水量的趋势分量,采用谐波分析法提取降水量的周期成分,利用自回归模型求解随机成分,最后将三者叠加,构建了郑州市降水量的预报模型。模型计算结果与实测数据对比可知,应用预报模型对降水量进行预报精度较高。因此利用建立的预报模型对2014年-2016三年的降水量进行了预测,为该区水资源的管理提供依据。     

基于RBF-Markov串联模型的危岩裂缝变形预测

基于危岩裂缝变形的渐变性及随机性,将径向基网络(RBF)预测模型与马尔科夫(Markov)概率转移模型结合起来,建立危岩裂缝变形的RBF-Markov串联预测模型.该串联模型主要是在RBF模型中输入已有数据进行训练,通过相应的径向基函数输出拟合结果,然后对拟合结果与实测值的残差进行分类,运用Markov概率转移模型计算出未来k步时间序列的相对误差,当输入最近的实测值,结合RBF模型预测值及Markov残差修正值可实现对危岩裂缝变形的最终预测.经忠武管道张家沟C1危岩裂缝变形实例验证,该串联模型既充分发挥了RBF模型反映裂缝历史发展趋势的特点,又考虑了Markov模型反映随机波动性对变形预测的影响.结果表明:串联模型具有预测精度高、收敛快等优点,且短期预测效果较好,为危岩裂缝的短期变形预测提供了新的途径.     

混沌时间序列法在地下水位预测中的应用

在相空间重构的基础上,并借助G-P（Grassberger-Procaccia）算法、C-C方法和Woff方法分别从濮阳市范县、华龙区和南乐县中的某观测孔的地下水位一维时问序列中提取lyapunov指数,通过对地下水时间序列的混沌特性识别,表明其时间序列具有混沌特征。然后运用加权一阶局域法对地下水位时间序列进行预测。结...     

基于最优加权组合预测的隧道监控量测数据分析

监控量测技术可收集能反映施工过程中围岩动态的信息,据此判断围岩的稳定状态、确定二次衬砌时机及验证所选支护方式的合理性。通过对华蓥山隧道的监控量测数据分析,建立了多个回归模型进行比选,得到拟合精度较高的回归模型;基于最优加权组合预测法对拱顶沉降量进行预测,通过对比组合预测和单一预测模型的预测精度,验证了最优加权组合预测法的优越性;将最优加权组合预测的结果应用于沉降速率的分析,可以确定隧道二次衬砌的时间。研究结果表明:最优加权组合预测法在隧道监控量测数据分析中的应用,可以提高预测精度,较单一预测模型能更加有效地反映拱顶沉降的发展趋势;选取精度较高的单一预测模型进行最优加权组合预测,分析变形速率,可以为确定隧道的二次衬砌时间提供依据,具有一定的实用价值。