边坡位移智能预测算法（英文）

作者：Zhong-qiang LIU; Dong GUO; Suzanne LACASSE^*; Jin-hui LI; Bei-bei YANG; Jung-chan CHOI

来源：Journal of Zhejiang University-Science A(Applied Physics & Engineering), 2020, 21(06): 412-429.

• 滑坡
• 位移
• 机器学习
• 三峡库区

目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。