顾及诱发因素响应的灰色极限学习机滑坡位移预测

P642.22; 基于滑坡变形演化特征与诱发因素分析,提出了一种顾及诱发因素响应的灰色极限学习机滑坡位移预测模型.该模型将滑坡位移量分解成具有确定性的趋势项和具有不确定性的随机项,采用动态GM(1,1)模型提取滑坡位移趋势项,引入降雨量、库水位等滑坡诱发因素,利用新型智能算法极限学习机ELM(ex-treme learning machine)对随机项进行逼近,最后将各分项位移叠加,实现滑坡位移的预测.选取新滩滑坡B3监测点89期数据及三峡库区某滑坡GPS2-2监测点29期数据进行预测研究,结果表明,该模型的预测结果与实测数据吻合度较高....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	河南城建学院学报 2020, Vol.29 (6), p.74-80
Hauptverfasser:	高彩云, 高宁, 杨福芹, 苗林光, 苑春雨
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	P642.22; 基于滑坡变形演化特征与诱发因素分析,提出了一种顾及诱发因素响应的灰色极限学习机滑坡位移预测模型.该模型将滑坡位移量分解成具有确定性的趋势项和具有不确定性的随机项,采用动态GM(1,1)模型提取滑坡位移趋势项,引入降雨量、库水位等滑坡诱发因素,利用新型智能算法极限学习机ELM(ex-treme learning machine)对随机项进行逼近,最后将各分项位移叠加,实现滑坡位移的预测.选取新滩滑坡B3监测点89期数据及三峡库区某滑坡GPS2-2监测点29期数据进行预测研究,结果表明,该模型的预测结果与实测数据吻合度较高.
ISSN:	1674-7046
DOI:	10.14140/j.cnki.hncjxb.2020.06.013