基于ARIMA改进的实时动态滑坡预测模型
冯文杰1
王习东1
叶永2
1.水电工程智能视觉监测湖北省重点实验室 湖北宜昌 443002;三峡大学计算机与信息学院 湖北宜昌 4430022.三峡大学水利与环境学院 湖北宜昌 443002
摘要：针对应急救援环境下,滑坡实时动态位移测量存在数据波动范围广、噪声大、模态混叠等问题,提出了一种基于CEEMDAN-Kmeans-ARIMA的组合预测模型.首先基于自适应噪声完备集合的经验模态分解算法,将添加PPP定位偏差噪声的斋藤模型信号分解为多个本征模态函数,并且根据K-means聚类算法将物理意义相近的本征模态函数进行聚类重构;然后针对多个聚类重构分量,构建最优的差分自回归移动平均预测模型;最后将聚类重构分量的预测值进行叠加,得到组合模型的预测值.实验结果表明,组合模型的MAPE指标相对于ARIMA单模型提高了 2.16％,解决了ARIMA预测模型存在的突变量不敏感、剩余滑坡预测时间不准等问题.在救援环境下,采用所提出的模型对实时动态滑坡进行预警预测具有一定的工程应用价值.
关键词：滑坡集合自适应噪声经验模态分解聚类时序数据预测模态混叠PPP
资助基金：国家重点研发计划(No.2021YFC3001903)
论文发表日期：2024-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 7-11 )