科研之友
微信
新浪微博
Facebook
分享链接
摘要
对于阶跃型滑坡位移这一非稳态自然过程，提出一种结合集合经验模态分解法（EEMD）、Prophet和长短时记忆网络（LSTM）的滑坡位移预测方法。以白水河滑坡位移数据为例，采用EEMD将位移时间序列分解为若干个本征模态函数（IMF）和残差（RES）,将包含周期因素、随机因素的IMF叠加视为波动项，RES视为趋势项。分别采用Prophet和LSTM预测趋势项与波动项，两项预测结果叠加得到滑坡位移预测值。结果表明：该方法对于少量数据的白水河滑坡位移预测拟合度（R2）达到0.98以上，优于支持向量机、人工神经网络等传统机器学习方法。且此方法对八字门滑坡各监测点的预测精度R2同样在0.96以上，证明了此方法的有效性。
- 单位
