[發明專利]一種邏輯回歸優化的SVR-LSTM滑坡位移預測方法及系統

在審

• 申請號: 202310396175.8
• 申請日: 2023-04-14
• 公開（公告）號: CN116522286A
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 周浩;朱平華;蔣宏偉;吳月旭;宗美榮;劉惠
• 申請（專利權）人: 常州大學
• 主分類號: G06F18/27
• 分類號: G06F18/27;G01B21/02;G06F18/2411;G06F18/214;G06N3/0442;G08B21/10
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 曹洪

本發明公開了一種邏輯回歸優化的SVR?LSTM滑坡位移預測方法及系統包括：收集各監測點的滑坡位移數據，采用平均移動法將數據分解為趨勢項數據和周期項數據；根據滑坡位移數據構建數據集，并初步篩選候選輸入因素，對候選輸入因素和周期項數據進行Pearson相關系數分析獲取模型輸入因子；利用支持向量回歸算法和LSTM算法分別對趨勢項和周期項進行預測，并分別獲取兩種算法對應的總位移預測結果；將模型輸入因子和總位移預測結果作為LR分類算法的備選因素，通過LR分類算法計算支持向量回歸模型和LSTM模型的權重，并對數據進行處理后得到邏輯回歸優化的總位移預測值；本發明的方法有助于提高預測結果的準確性及穩定性，在滑坡易發區的滑坡位移預測中具有應用潛力。

技術領域

本發明涉及滑坡位移預測技術領域，具體為一種邏輯回歸優化的SVR-LSTM滑坡位移預測方法及系統。

背景技術

滑坡是一種常見的突發地質災害，我國是世界上發生地質災害頻繁的國家之一，隨著極端氣候常態化，滑坡災害造成的危害猝不及防。相比于地震，發生滑坡的面積范圍較小，但是發生頻率比地震高。為了讓人民群眾安全、財產安全得到有效的保證，對滑坡進行位移預測是很有必要的，從而實現預險于前，達到減輕滑坡危害的目的。

目前，因滑坡位移預測受到國內外學者的高度關注，使得滑坡位移預測的發展得以穩步進行。但傳統的預測模型往往存在預測精度不高，泛化能力較弱的問題；單一算法模型其自身可能存在易陷入局部最優值、收斂精度不高的問題。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述存在的問題，提出了本發明。

本發明實施例的第一方面，提供一種邏輯回歸優化的SVR-LSTM滑坡位移預測方法，包括：收集各監測點的滑坡位移數據，采用平均移動法將所述滑坡位移數據分解為趨勢項數據和周期項數據；根據所述滑坡位移數據構建數據集，并初步篩選候選輸入因素，對所述候選輸入因素和所述周期項數據進行Pearson相關系數分析獲取模型輸入因子；利用支持向量回歸算法和LSTM算法分別對所述趨勢項數據和周期項數據進行預測，并分別獲取兩種算法對應的總位移預測結果；將所述模型輸入因子和所述總位移預測結果作為邏輯回歸分類算法的備選因素，通過所述邏輯回歸分類算法計算支持向量回歸模型和LSTM模型的權重，并對數據進行處理后得到邏輯回歸優化的總位移預測值。

作為本發明所述的邏輯回歸優化的SVR-LSTM滑坡位移預測方法的一種優選方案，其中：將所述滑坡位移數據分解為趨勢項數據和周期項數據包括，

采用平均移動法對所述滑坡位移數據中的波動進行平滑處理，并提取出趨勢項數據，根據移動平均周期提取周期項數據；

所述平均移動法的計算包括，

其中，表示趨勢項位移在時間步t的值，X_t表示累計位移在時間步t的值，n表示移動平均周期。

作為本發明所述的邏輯回歸優化的SVR-LSTM滑坡位移預測方法的一種優選方案，其中：所述模型輸入因子的獲取包括，

對所述候選輸入因素和所述周期項數據進行Pearson相關系數分析，選取若干個所述Pearson相關系數最大值對應的候選輸入因素，作為周期項位移預測模型中的輸入因子；

所述Pearson相關系數的計算包括，

其中，X和Y表示兩個等長向量，N表示向量元素個數。