大家好,欢迎来到IT知识分享网。
本文内容来源于《测绘学报》2022年第10期(审图号GS京(2022)1079号)
1,2,3, 赵贻玖1, 郭伟2,3, 孟庆佳2,3, 李滨4
2. 中国地质调查局水文地质环境地质调查中心, 河北 保定 071051;
3. 自然资源部地质环境监测工程技术创新中心, 河北 保定 071051;
4. 中国地质科学院地质力学研究所, 北京
中国地质调查局地质调查(DD;DD)
:滑坡位移预测是滑坡灾害实时监测预警的重要组成部分, 良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点, 在现有的滑坡位移预测方法中, 机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点, 本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法, 结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先, 详细介绍了该模型的构建过程和预测性能, 并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(
R
2
)作为评估模型的预测性能指标。然后, 分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测, 结果表明, EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和
R
2
值分别为0.648 mm、0.518%和0.996 8, 可以提供更高可靠的滑坡位移预测精度, 对同类滑坡的位移预测具有一定的参考价值。
关键词:滑坡位移预测 时间序列 机器学习 集成经验模态分解 支持向量回归
王晨辉, 赵贻玖, 郭伟, 等. 滑坡位移EEMD-SVR预测模型[J]. 测绘学报,2022,51(10):2196-2204. DOI: 10.11947/j.AGCS.2022.
:
http://xb.chinasmp.com/article/2022/1001-1595/20221018.htm
引 言
1 EEMD-SVR位移预测模型构建
(1)
(2)
。
(3)
(4)
|
|
|
(5)
(6)
(7)
(8)
2 应用研究与方法对比
2.1 研究区地质概况
表选项
|
|
|
3 讨论和结论
作者简介
第一作者简介:
王晨辉(1986—), 男, 高级工程师, 研究方向为滑坡灾害监测预警技术及设备研发。E-mail: wangchenhui@mail.cgs.gov.cn
通信作者:
李滨, E-mail: libin1102@163.com
王晨辉(1986—), 男, 高级工程师, 研究方向为滑坡灾害监测预警技术及设备研发。E-mail: wangchenhui@mail.cgs.gov.cn
李滨, E-mail: libin1102@163.com
初审:张艳玲
复审:宋启凡
终审:金 君
资讯
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/95158.html