基于VMD-GRA-KELM的滑坡位移预测耦合模型研究

作者：张志鹏

来源：甘肃水利水电技术, 2021, 57(12): 17-22.

DOI：10.19645/j.issn2095-0144.2021.12.004

• 变分模态分解
• 灰色关联度分析
• 核极限学习机
• 滑坡位移预测

为实现对滑坡变形的预测，基于变分模态分解（Variational Modal Decomposition，简称VMD）、灰色关联度分析（Grey Relation Analysis，简称GRA）以及核极限学习机（Kernel Extreme Learning Machine，简称KELM）方法，提出了一种VMD-GRA-KELM的滑坡位移变形预测方法。首先，结合四川茂县岷江电化厂区西侧滑坡治理工程滑坡位移监测数据，利用VMD方法将位移监测数据自适应地分解为多个子位移；其次，采用GRA对各子位移进行关联度分析，剔除冗杂因子，保留关联度较高的子位移；然后，运用KELM分别对高相关度子位移建立预测模型得到预测值；再对所有子位移预测值叠加重构，得到最终预测结果；最后，通过与KELM、VMD-KELM对比，提出了一种新的滑坡位移预测方法。结果表明：该方法能够有效地对滑坡位移进行预测，且预测精度优于其余几种预测模型，即VMD-GRAKELM是一种有效的滑坡位移预测方法。

• 单位
  成都理工大学; 土木工程学院