[發明專利]滑坡位移預測方法、設備及存儲介質

有效

• 申請號: 202010626310.X
• 申請日: 2020-07-02
• 公開（公告）號: CN111898247B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 馬俊偉;牛曉旭;張俊榮;劉曉;鄒宗興
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/04;G06N3/0464
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 孔燦

1.一種滑坡位移預測方法，其特征在于，包括以下步驟：

S1獲取預設時間內滑坡變形誘發因素和滑坡位移的歷史監測數據作為樣本；

S2在(0，1)區間上間隔取m個分位數τ，根據樣本建立m個神經網絡分位數回歸基學習器，建立神經網絡分位數回歸模型，將滑坡變形誘發因素的取值代入，得到m個神經網絡分位數回歸基學習器的滑坡位移預測結果y；

S3對各分位點處的條件分位數預測結果利用核密度估計法進行密度估計，得到滑坡位移預測結果的概率分布函數p(y)；

S4以所述概率分布函數p(y)作為權重，通過加權平均得到所述滑坡位移的最終組合預測值，表達式為：

式中：m為分位點的個數，y_i為第i個分位數樣本點對應的預測結果，p_i為第i個分位數樣本點對應的預測結果的概率分布值；

步驟S2中，建立神經網絡分位數回歸模型包括以下步驟：

S21考慮包含一個有J個節點的隱含層的三層神經網絡，以滑坡變形誘發因素作為輸入，以滑坡位移的分位數預測作為輸出，建立神經網絡分位數回歸模型，在第τ分位點處，計算隱含層第j個節點值，表達式為：

式中，Wij為第τ分位點處隱含層權重向量，bj為第τ分位點處隱含層偏移向量，h為隱含層轉換函數；

S22計算輸出層節點值，表達式為：

式中，Wj為第τ分位點處輸出層權重向量，b(O)為第τ分位點出輸出層偏移向量，f為輸出層轉換函數。

2.如權利要求1所述的滑坡位移預測方法，其特征在于，步驟S3中，在得到條件分位數預測結果之后，利用Epanechnikov核密度估計法得到m個基學習器的預測結果對應的概率分布值，Epanechnikov核函數表達式為：

式中：h為帶寬，y為各個神經網絡分位數對應的預測結果，i為取第i個分位數樣本點，yi為第i個分位數樣本點對應的預測結果。

3.如權利要求1所述的滑坡位移預測方法，其特征在于，在步驟S1之后，還包括：

對所述樣本進行數據預處理。

4.如權利要求3所述的滑坡位移預測方法，其特征在于，所述數據預處理包括異常數據判別與剔除、缺失數據補充、數據等時距處理中的一種或多種。

5.如權利要求1所述的滑坡位移預測方法，其特征在于，所述滑坡變形誘發因素包括前一個月的降雨強度、前兩個月的降雨強度、當月平均庫水位和當月庫水位變化，前一個月的位移、前兩個月的位移，和前三個月的位移中的一種或多種。

6.一種滑坡位移預測設備，其特征在于，所述滑坡位移預測設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的滑坡位移預測程序，所述滑坡位移預測程序被所述處理器執行時實現如權利要求1至5中任一項所述的滑坡位移預測方法的步驟。

7.一種存儲介質，其特征在于，所述存儲介質上存儲有滑坡位移預測程序，所述滑坡位移預測程序被處理器執行時實現如權利要求1至5中任一項所述的滑坡位移預測方法的步驟。