滑坡位移EEMD-SVR预测模型

作者：王晨辉; 赵贻玖; 郭伟; 孟庆佳; 李滨^*

来源：测绘学报, 2022, 51(10): 2196-2204.

• 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

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(R2)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R2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。

• 单位
  中国地质调查局水文地质环境地质调查中心; 中国地质科学院地质力学研究所; 电子科技大学