优化循环神经网络在滑坡位移预测中的应用

作者：李璐; 瞿伟^*; 张勤; 李久元; 王宇豪; 刘祥斌

来源：大地测量与地球动力学, 2022, 42(06): 594-600.

DOI：10.14075/j.jgg.2022.06.008

• 滑坡位移预测
• 简单循环神经网络
• 长短期记忆网络
• 门控循环单元
• 遗传算法

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例，基于滑坡体北斗和位移计时序监测数据，首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network, SimpleRNN)、长短期记忆网络(long short-term memory, LSTM)和门控循环单元(gated recurrent unit, GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法，易造成人为主观影响较大和计算效率低下的突出问题，引入遗传算法(genetic algorithm, GA)优化循环神经网络参数的自动最佳化选取，分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明，改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能，特别是GA-GRU模型预测精度最高，更适用于滑坡体长时序位移的高精度预测。

• 单位
  长安大学