[發(fā)明專利]一種滑坡位移預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110311967.1
• 申請日: 2021-03-24
• 公開（公告）號: CN113033091A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計）人: 孫希延;林子安;付文濤;白楊;梁維彬
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 桂林文必達(dá)專利代理事務(wù)所(特殊普通合伙) 45134
• 代理人: 張學(xué)平

本發(fā)明公開了一種滑坡位移預(yù)測方法，對滑坡地表位移變形進(jìn)行監(jiān)測，并對得到的滑坡位移數(shù)據(jù)進(jìn)行異常值替換處理和歸一化處理；利用MA算法計算出實際趨勢位移，并基于構(gòu)建的多項式模型計算出對應(yīng)的預(yù)測趨勢位移；利用所述滑坡位移數(shù)據(jù)減去所述實際趨勢位移，并利用LSTM模型計算出對應(yīng)的預(yù)測周期位移；分別對所述預(yù)測趨勢位移與所述預(yù)測周期位移進(jìn)行反標(biāo)準(zhǔn)歸一化處理，并對處理后的所述預(yù)測趨勢位移與所述預(yù)測周期位移進(jìn)行求和，得到預(yù)測累積位移，完成滑坡位移預(yù)測，完成滑坡位移預(yù)測，提高預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及地質(zhì)災(zāi)害監(jiān)測預(yù)測技術(shù)領(lǐng)域，尤其涉及一種滑坡位移預(yù)測方法。

背景技術(shù)

滑坡是世界上許多地區(qū)最具破壞性的地質(zhì)災(zāi)害之一，每年都會造成大量的傷亡和非常重要的財產(chǎn)損失。可靠的滑坡預(yù)測預(yù)警方法是降低滑坡風(fēng)險的合理途徑。如果這種能夠準(zhǔn)確地預(yù)測滑坡位移的方法能夠成功實施，將會具有巨大的社會價值和重要的經(jīng)濟(jì)效益。

滑坡預(yù)測模型可分為兩大類:物理模型和數(shù)據(jù)驅(qū)動模型。與物理模型相比，數(shù)據(jù)驅(qū)動模型更受歡迎，因為其過程簡單、預(yù)測準(zhǔn)確、成本更低，但傳統(tǒng)的預(yù)測方法會忽略異常值且模型驗證次數(shù)過少，導(dǎo)致預(yù)測精度不高。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種滑坡位移預(yù)測方法，提高預(yù)測精度。

為實現(xiàn)上述目的，本發(fā)明提供了一種滑坡位移預(yù)測方法，包括以下步驟：

對滑坡地表位移變形進(jìn)行監(jiān)測，并對得到的滑坡位移數(shù)據(jù)進(jìn)行異常值替換處理和歸一化處理；

利用MA算法計算出實際趨勢位移，并基于構(gòu)建的多項式模型計算出對應(yīng)的預(yù)測趨勢位移；

利用所述滑坡位移數(shù)據(jù)減去所述實際趨勢位移，并基于得到的實際周期位移利用LSTM模型計算出對應(yīng)的預(yù)測周期位移；

分別對所述預(yù)測趨勢位移與所述預(yù)測周期位移進(jìn)行反標(biāo)準(zhǔn)歸一化處理，并對處理后的所述預(yù)測趨勢位移與所述預(yù)測周期位移進(jìn)行求和，得到預(yù)測累積位移，完成滑坡位移預(yù)測。

其中，利用MA算法計算出實際趨勢位移，并基于構(gòu)建的多項式模型計算出對應(yīng)的預(yù)測趨勢位移，包括：

基于獲得的所述滑坡位移數(shù)據(jù)，利用MA算法計算出對應(yīng)的實際趨勢位移；

將所述實際趨勢位移及對應(yīng)的序號輸入多項式中，并將得到的多項式結(jié)果與對應(yīng)的所述實際趨勢位移進(jìn)行比較，同時，根據(jù)所述多項式結(jié)果與所述實際趨勢位移的差值調(diào)整所述多項式中的常數(shù)值，直至所有的所述實際趨勢位移輸入完成，得到對應(yīng)的多項式模型；

基于所述多項式模型，將對應(yīng)的所述實際趨勢位移輸入所述多項式模型，多項式模型多項式模型得到所述預(yù)測趨勢位移。

其中，利用所述滑坡位移數(shù)據(jù)減去所述實際趨勢位移，并基于得到的實際周期位移利用LSTM模型計算出對應(yīng)的預(yù)測周期位移，包括：

利用所述滑坡位移數(shù)據(jù)減去對應(yīng)的所述實際趨勢位移，得到實際周期位移；

將獲取的環(huán)境信息數(shù)據(jù)和所述實際周期位移數(shù)據(jù)按設(shè)定的比例分為訓(xùn)練集、驗證集、測試集；

利用所述訓(xùn)練集和所述驗證集對LSTM模型進(jìn)行訓(xùn)練和參數(shù)調(diào)整；

利用所述測試集對調(diào)整參數(shù)后的所述LSTM模型進(jìn)行測試，得到預(yù)測周期位移。

其中，利用所述訓(xùn)練集和所述驗證集對LSTM模型進(jìn)行訓(xùn)練和參數(shù)調(diào)整，包括：

基于所述訓(xùn)練集中的所述環(huán)境信息數(shù)據(jù)，得到對應(yīng)的遺忘門、輸入門、輸出門、輸出數(shù)據(jù)、單元狀態(tài)和單位備選狀態(tài)；