基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测
黄发明
殷坤龙
张桂荣
周春梅
张俊
1.中国地质大学地质调查研究院,湖北武汉,4300742.中国地质大学工程学院,湖北武汉,4300743.南京水利科学研究院,南京江苏,2100294.武汉工程大学资源与土木工程学院,湖北武汉,430073
摘要：预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列受多种因素影响,呈现出高度非线性非平稳的特征.为对其进行预测,提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine,简称 WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解,将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列；然后重构各子序列的相空间,再利用 PSVM(全称 support vec-tor machine)模型对地下水位各子序列进行预测,最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例,首先分析滑坡前缘地下水位变化的影响因素,再将 WA-PSVM 模型应用于地下水位预测,并与单独 PSVM 模型和小波分析-BP 网络模型(wavelet analysis-back propagation,简称 WA-BP)作对比.结果表明：滑坡前缘地下水位受降雨和库水位影响较大,利用 WA-PSVM 模型对 STK-1水文孔地下水位进行预测的均方根误差为0.073 m、拟合优度为0.966,WA-PSVM 模型预测精度高于单独 PSVM 模型和 WA-BP 模型.WA-PSVM 模型解决了地下水位序列非线性非平稳的问题,在不考虑影响因素的情况下能获得满意的预测效果,具有较高的建模效率和较强的实用性.
关键词：库岸滑坡地下水位时间序列相空间重构小波分析粒子群算法支持向量机地下水地质灾害
分类号：P694(灾害地质学)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1254-1265 )
英文信息