基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测
黄发明
殷坤龙
杨背背
李喜
刘磊
付小林
刘小文
1.南昌大学建筑工程学院,江西南昌330000;中国地质大学地质调查研究院,湖北武汉4300742.中国地质大学地质调查研究院,湖北武汉,4300743.中国地质环境监测院,北京,1000814.南昌大学建筑工程学院,江西南昌,330000
摘要：三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机(extreme learing ma-chine,ELM)的滑坡位移组合预测模型.指数平滑多变量混沌 ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用 ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡 ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群―支持向量机(PSO-SVM)模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.
关键词：库岸滑坡阶跃式位移预测混沌分析多变量相空间重构指数平滑法极限学习机
分类号：P694(灾害地质学)
论文发表日期：2018-01-01
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( 887-898 )
英文信息