[發明專利]基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法

有效

• 申請號: 202110349600.9
• 申請日: 2021-03-31
• 公開（公告）號: CN113065702B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 黃磊;張慶宇;唐輝明;曹桂乾
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06F18/23213;G06F17/15
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

1.一種基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法，其特征是，它包括如下步驟：

S1，數據預處理，讀取滑坡位移時空序列數據，對所述時空序列數據做預處理操作，讀取滑坡監測點的坐標數據；

S2，曲線分段，繪制滑坡位移-時間曲線，提出ST-SEEP分段法，并對曲線采用ST-SEEP分段法進行分段得到多段線性時空序列；

S3，空間權矩陣獲取，利用步驟S1讀取的滑坡監測點的坐標數據，采用K-means聚類算法對各監測點進行空間聚類，再根據聚類結果得到空間權矩陣；

S4，建模及預測，建立時空ARMA模型，對步驟S2得到的多段線性時空序列進行預測，得到滑坡位移時空預測序列；

S5，預測效果評價，輸出預測序列，采用兩個指標，即絕對誤差和均方根誤差，來衡量預測結果的準確性和穩定性；

在S2中，采用ST-SEEP法對滑坡位移時空序列進行分段的過程為：

S2-1，觀察滑坡位移-時間曲線，遴選有效監測點；設定一固定周期T，計算該監測點歷史位移-時間曲線中固定周期T的斜率；

S2-2，計算第i次移動前后的固定周期T的斜率的差值D_i；

設D_i的閾值為μ，當D_iμ時，將該時間點作為一個新的分割點，按相同方法繼續向前移動直到得到所有的分割點，根據這些分割點將滑坡位移時空序列分為多段線性時空序列。

2.根據權利要求1所述的基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法，其特征是，在S1中，還包括偵測數據缺失部分，當存在數據缺失即采用插值法對數據進行補充完整；

所述采用線性插值法對數據進行補充完整的過程為：

S1-1，依次判斷時空序列數據中第N列，即第N個監測點的時間序列數據中某缺失部分的數據缺失量n，當時間單位為天數時即是缺失n天的數據；

S1-2，通過插值的方式補充數據缺失的部分；

并確認預測所需要使用的滑坡位移數據的時間段，所述滑坡監測點的坐標數據為各監測點在該時間段開始時刻的坐標數據。

3.根據權利要求1所述的基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法，其特征是，采用K-means聚類法對各監測點進行空間聚類，再根據聚類結果得到空間權矩陣的過程為：

S3-1，初始化聚類中心，即首先在監測點集合中隨機選擇一個監測點作為初始聚類中心放入容器中；

S3-2，迭代聚類，即依次將集合中的監測點分到最近的聚類中心所屬的類，并放入與聚類中心對應的新容器中；經過一次聚類后，計算新容器中所有監測點坐標作為聚類中心的新坐標，并更新該類聚類中心；之后再次進行聚類操作，經過n次迭代得到預設的結果；

S3-3，對聚類后的監測點繪出分類散點圖，結合一維矩陣聚類結果來確定空間權矩陣。

4.根據權利要求3所述的基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法，其特征是，聚類前首先要確定聚類數k，采用肘部法先模擬所有可能的k值對應的K-means聚類結果，并結合現實中監測點在滑坡上的分布情況選擇聚類效果最好的k值。

5.根據權利要求1所述的基于ST-SEEP分段法和時空ARMA模型的滑坡位移多線性預測方法，其特征是，在S4中，建立時空ARMA模型，對步驟S2得到的多段線性時空序列進行預測，得到滑坡位移時空預測序列的過程為：

判斷各段時空序列是否平穩，若平穩則繼續下一步；若不平穩則對其執行差分操作獲得平穩序列；當還是不平穩，則繼續進行高階差分，直到獲得平穩序列為止；將平穩序列輸入時空ARMA模型進行預測，得到各段未來的滑坡位移時空序列；設差分階數為d，經過d階差分的序列由模型預測的結果要做d階還原，還原是差分的逆過程；合并各段，成為完整的位移時空預測序列。