The invention discloses a dynamic grey Felhast neural network landslide deformation prediction method, which relates to the technical field of landslide monitoring and deformation prediction. The technical problem solved is to provide a method with high accuracy for landslide deformation prediction, including the following steps: establishing original data of accumulated displacement of landslide body; preprocessing data; fitting data by grey Verhulst model; Calculate residuals and construct residuals sequence; train GA BP neural network; get predictive residuals sequence; calculate predictive value of combination model. The method can greatly improve the prediction accuracy of landslide deformation.
【技术实现步骤摘要】
一种动态灰色费尔哈斯特神经网络滑坡形变预测方法
本专利技术涉及滑坡监测形变预测
,尤其涉及一种动态灰色费尔哈斯特神经网络滑坡形变预测方法。
技术介绍
地质灾害是当今人类社会面临的主要问题之一,我国由自然和人工引发的地质灾害主要有地震、斜坡岩土体位移、地面变形和土地退化等。根据国土资源厅统计,2015年全国共发生各类地质灾害8224起,其中,滑坡5616起,占比高达68.3%。滑坡灾害己成为我国最主要的地质灾害之一,而积极有效地防治滑坡等地质灾害的重要措施之一是对滑坡等形变隐患点进行长期的观测,在滑坡灾害发生前发出警报,提醒人员转移,以便降低和减少损失。若不能及时监测和有效预报,滑坡灾害一旦发生,则可能给当地居民带来巨大经济损失,甚至危害居民生命安全。因此,在滑坡灾害发生前进行预报显得尤为重要,而预报步骤的关键是采用准确性高的预测方法。滑坡的预测包括时间预测和空间预测,其中滑坡时间预测模型主要有直接确定滑坡失稳时间的预报模型和形变预测模型,组合模型预测结果的综合评判预报,以及边坡形变阶段判断和滑坡预报判据方面的方法等。直接确定滑坡失稳时间的预报模型通常是根据模型直接计算出滑坡失稳时间的模型,如斋藤模型、苏爱军模型、岳启伦模型、福囿(Fukuzono)模型、Voight模型、黄金分割预测法等。这些模型中大部分都是以蠕变理论为基础,通过建立蠕变经验方程来进行预测,不足是预测精度受到一定的限制。形变预测模型先根据模型预测出滑坡体一段时间以后的形变量,然后再结合适当的滑坡预报判据来进行滑坡预报。形变预测模型包含统计预测模型和非线性预测模型等类型。统计预测模型有 ...
【技术保护点】
1.一种动态灰色费尔哈斯特神经网络滑坡形变预测方法,其特征在于,包括以下步骤:(一)建立滑坡体累积位移量原始数据,在滑坡区建立一个GNSS监测网,通过GPRS或者3G或者4G网络将三维坐标数据回传至服务器,将数据存储至数据库;(二)对数据预处理,从数据库读取三维坐标数据并进行预处理;(三)通过灰色Verhulst模型对数据进行拟合;(四)计算残差并构建残差序列,由原始数据序列和拟合数据序列来计算残差,得到残差序列
【技术特征摘要】
1.一种动态灰色费尔哈斯特神经网络滑坡形变预测方法,其特征在于,包括以下步骤:(一)建立滑坡体累积位移量原始数据,在滑坡区建立一个GNSS监测网,通过GPRS或者3G或者4G网络将三维坐标数据回传至服务器,将数据存储至数据库;(二)对数据预处理,从数据库读取三维坐标数据并进行预处理;(三)通过灰色Verhulst模型对数据进行拟合;(四)计算残差并构建残差序列,由原始数据序列和拟合数据序列来计算残差,得到残差序列(五)训练GA-BP神经网络;(六)得到预测残差序列,GA-BP神经网络训练模型预测出的残差序列为(七)计算组合模型预测值,在残差序列为基础上加上由灰色Verhulst模型得到的拟合值得到组合模型最终的预测值。2.根据权利要求1所述的动态灰色费尔哈斯特神经网络滑坡形变预测方法,其特征在于,步骤(二)中,所述数据预处理包括卡尔曼滤波平滑处理以及使用3σ准则剔除卡尔曼滤波无法滤除的野值和异常值。3.根据权利要求1所述的动态灰色费尔哈斯特神经网络滑坡形变预测方法,其特征在于,步骤(三)具体分步骤如下:(1)构建形变量数据序列,利用预处理过的三维坐标数据计算出滑坡体的累积位移值si:式中,(xrf,yrf,zrf)是滑坡体监测点的参考坐标,si表示i时刻的累积位移值;由累积位移计算公式,得到累积位移值序列S(0):S(0)={s(0)(1),s(0)(2),s(0)(3),…,s(0)(n)};(2)动态更新数据长度L,设置参数a,b,具体过程如下:1)对长度为L的数据序列做一次累加,设置灰色Verhulst模型参数动态更新的长度L,L应小于累积位移值序列的长度n,对长度为L的数据序列做一次累加;2)构建紧邻均值生成序列,对长度为L的数据序列做一次累加得到一次累加序列式中,下标j表示循环次数;由构建紧邻均值生成序列Z(1):式中,3)构建矩阵,根据累积位移值序列S(0)和紧邻均值生成序列Z(1)构建矩阵B,YN:4)通过最小二乘法估计参数系数,由矩阵B,YN通过最小二乘法来估计灰色Verhulst模型的参数aj和bj:式中,参数a为发展系数,其大小反映了累积位移值序列S(0)的发展趋势;参数b是灰色作用量,含义为具有灰色信息覆盖的系统作用量;5)构建灰色Verhulst时间响应序列,用得到的aj和bj值来构建灰色Verhulst时间响应序列:6)得出拟合数据数列,对时间响应序列做一次累减运算,得到拟合数据序列:7)输出灰色Verhulst拟合数据序列,将过程2)到过程5)进行n-L+1次循环迭代,每迭代一次原始序列剔除一个陈旧数据,并增加一个新数据,并根据新的数据序列计算参数a,b,以实现参数a,b的动态更新,循环迭代完成后输出灰色Ve...
【专利技术属性】
技术研发人员:邓洪高,姚鹏远,孙希延,纪元法,王守华,符强,严素清,吴孙勇,付文涛,赵松克,李有明,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。