基于EMD分解和改进GWO-BP神经网络的滑坡位移预测 |
| |
引用本文: | 陈显刚,郑剑,马庆福,张平生,郭兴隆,张亭.基于EMD分解和改进GWO-BP神经网络的滑坡位移预测[J].有色金属(矿山部分),2024(3):125-133. |
| |
作者姓名: | 陈显刚 郑剑 马庆福 张平生 郭兴隆 张亭 |
| |
作者单位: | 云南磷化集团有限公司 |
| |
摘 要: | 考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R2分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。
|
关 键 词: | 滑坡 模态分解 BP神经网络 改进灰狼优化算法 时间序列 |
|
|