基于多变量自优化动态神经网络的“阶跃型”滑坡变形预测 |
| |
引用本文: | 徐志华,杨旭,孙钱程,何钰铭,张国栋,叶义成.基于多变量自优化动态神经网络的“阶跃型”滑坡变形预测[J].金属矿山,2024(3):74-82. |
| |
作者姓名: | 徐志华 杨旭 孙钱程 何钰铭 张国栋 叶义成 |
| |
作者单位: | 1. 湖北长江三峡滑坡国家野外科学观测研究站;2. 湖北省地质局水文地质工程地质大队 |
| |
基金项目: | 国家自然科学基金项目(编号:51909136); |
| |
摘 要: | 传统累计变形预测方法在曲线结构分解和表征模型选择上具有多样性,由此引起了工作量大、预测精度低以及预测方法适用对象较局限等问题,为此考虑降雨量、库水位、库水位变化对滑坡累计变形的影响,基于非线性自回归模型建立了多变量自优化动态神经网络,并将其应用在三峡库区典型的“阶跃型”滑坡——白家包滑坡累计位移预测中。通过对滑坡变形累计曲线时间序列的分析,采用神经网络方法对全曲线模型进行求解,形成了非线性自回归神经网络模型,利用多种群遗传算法对神经网络的参数和结构进行优化训练,并将适应度函数均方误差作为预测模型误差偏离标准。结果表明:所提出的自优化动态神经网络对滑坡多个测点的累计位移拟合精度高,误差可控制在1%左右,预测过程减少了主观因素引起的误差,考虑了滑坡发展过程的动态性,可为“阶跃型”滑坡累计位移的实时预测提供参考。
|
关 键 词: | 累计位移预测 “阶跃型”滑坡 多因素影响 多变量自优化 动态神经网络 |
|
|