[發明專利]邊坡變形預測方法

有效

• 申請號: 201910740277.0
• 申請日: 2019-08-12
• 公開（公告）號: CN110457655B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 李尋昌;葉君文;許銳;楊咸;閆成龍;李俊;姜超;袁豪杉;楊柯;張文勇
• 申請（專利權）人: 長安大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N7/08
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 姬莉

1.邊坡變形預測方法，其特征在于，包括以下步驟：

步驟1，獲取監測目標的邊坡變形數據，并利用混沌理論對這些數據進行混沌特性分析；

步驟2，如果獲取的邊坡變形數據具備混沌特性，結合加權零階局域預測模型、改進的一階加權局域預測模型和改進的最大Lyapunov指數預測模型，建立最優權聯合混沌預測模型；

步驟3，利用最優權聯合混沌預測模型進行邊坡變形預測；

獲得邊坡變形數據后，首先對其進行檢測并剔除異常數據，然后再進行標準化處理；

標準化處理后采用3σ法來對邊坡變形數據進行檢測，判斷其是否符合一致性的原則，具體方法為：

假設對監測點執行n次監控，獲得的第i次監測值是T_i,i＝1,2,...,n，將其跳動特征定義為：

d_i＝|2×T_i-(T_i-1+T_i+1)|

跳動特征的均值為：

跳動特征的均方差為：

相對差值為：

如果Q_i3，則將邊坡變形數據視為異常值并且丟棄，然后使用插值方法獲取替換值；

一致性驗證通過后，采用max-min標準化或Z-score標準化方法對邊坡變形數據進行歸一化處理；

邊坡變形數據歸一化處理完成后，采用Wolf法、p-范數法或小數據量法計算邊坡變形數據的Lyapunov指數，當Lyapunov指數大于0時表示邊坡變形數據具有混沌特性；

改進的加權一階局域預測模型為：

1)對于時間序列x(t),t＝1,2,...,T，該相空間的點為x_i(t)＝{x_i(t),x_i(t+τ),...,x_i(t+(m-1)τ)}，采用C-C法求延遲時間τ和嵌入維數m，根據延遲時間和嵌入維數對時間序列進行相空間重構；

2)設相空間的中心點Y_k的鄰近點為Y_kj,j＝1,2,...,q，將Y_k到Y_kj的距離記為d_j，其中d_m為中心點到各鄰近點的最小距離，則的權重為：

3)執行預測操作，線性擬合的加權一階局域：

其中

令m＝1，即：

最后通過加權最小二乘法得到：

將上式看成存在兩個未知數a、b的函數，對上式進行求偏導進而得到：

及：

對這兩個式子進行簡化處理，根據簡化處理的結果得到兩個未知數a、b的方程組：

解上述方程組有：

將其代入第3)步的預測運算得：

獲得加權一階局域預測模型的預測值；

4)對各鄰近相點的演化規律進行加權，并以鄰近相點的一步演化相點的規律來預測參考相點的一步演化相點，即以q個相點的各分量加權和作為預測相點Y_k+1的各分量值，則有：

根據預算可以得到一步預測為

建立最優權聯合混沌預測模型的方法如下：

實際監測位移時間序列:(T₁,W₁),(T₂,W₂),...,(T_m,W_m)，式中W_m表示T_m時刻的實際監測位移值；

選用y個位移預測模型，得m對預測位移值：(T₁,W_1j),(T₂,W_2j),...,(T_m,W_mj)，式中：W_mj表示T_m時刻第j個模型計算得到的預測位移值；

預測位移值與實際位移值之間的相對誤差表示為：W_mj-W_m；

設其中：

(Q)_mj稱為預測模型的精度矩陣；

將E＝(1,1,...,1)_1×m歸一化處理將得到矩陣(ω_m)_1×j，使用y個預測模型來預測監測點的最終位移值，獲得j個位移預測結果，并且R用于表示位移預測結果，則有：