科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滑坡演化的动态特性以及静态预测模型的不足，提出一种基于时间序列与卷积长短期记忆神经网络(CNN-LSTM)的滑坡位移动态预测模型。首先，在利用曼-肯德尔(Mann-Kendall)趋势检验法检验滑坡位移的趋势特征的基础上，采用二次移动平均法将滑坡累积位移分解为趋势项位移和周期项位移，并采用最小二乘多项式函数拟合趋势项位移。然后，采用频谱图检验滑坡位移的周期特征，对周期项位移采用CNN-LSTM混合网络模型进行预测。最后，将两者预测值叠加得到累积位移预测值。该模型在中国三峡库区八字门滑坡得到了验证。实验结果表明，与当前常见的预测模型相比，所提方法的能有效对滑坡位移进行预测，且在周期项位移预测方面相较于经典BP神经网络，LSTM网络以及“门循环”(gated recurrent unit, GRU)网络模型，CNN-LSTM网络模型有更高的预测精度。
- 单位
