【技术实现步骤摘要】
一种基于模糊时间序列的高陡边坡形变预测的方法
本专利技术涉及计算机技术，特别是一种基于模糊时间序列的高陡边坡形变预测的方法。
技术介绍
矿区的复杂工况环境需要精确的边坡监测系统，提高监测系统的精度是迫切需要的，由于边坡的形变不仅收到地底结构稳定性的影响，还会受到爆破、地震、雨水冲刷松动土质等自然和人为因素的影响，传统的边坡预测模型对这些波动和小样本数据难以准确进行预测。
技术实现思路
针对现有技术中的问题，本专利技术提供一种基于模糊时间序列的高陡边坡形变预测的方法，避免了均值分论域的方式，精度高。第一方面，本专利技术提供一种基于模糊时间序列的高陡边坡形变预测的方法，包括：获取过去时间段高陡边坡的天顶距、方位角和斜距的测量数据；采用以模糊时间序列算法的高陡边坡形变预测模型对所述过去时间段的天顶距、方位角和斜距的测量数据进行处理，获取预测的未来时间段高陡边坡的形变参数；其中，所述高陡边坡形变预测模型为以改进论域划分方法为基础，并采用基于粒子群算法改进后的整体分布优化算法建立的，高预测准确性的n阶模糊时间序列预测模型。可选地，若过去时间段天顶距的测量数据、方位角的测量数据和...
【技术保护点】
1.一种基于模糊时间序列的高陡边坡形变预测的方法，其特征在于，包括：获取过去时间段高陡边坡的天顶距、方位角和斜距的测量数据；采用以模糊时间序列算法的高陡边坡形变预测模型对所述过去时间段的天顶距、方位角和斜距的测量数据进行处理，获取预测的未来时间段高陡边坡的形变参数；其中，所述高陡边坡形变预测模型为以改进论域划分方法为基础，并采用基于粒子群算法改进后的整体分布优化算法建立的，高预测准确性的n阶模糊时间序列预测模型。
【技术特征摘要】
1.一种基于模糊时间序列的高陡边坡形变预测的方法，其特征在于，包括：获取过去时间段高陡边坡的天顶距、方位角和斜距的测量数据；采用以模糊时间序列算法的高陡边坡形变预测模型对所述过去时间段的天顶距、方位角和斜距的测量数据进行处理，获取预测的未来时间段高陡边坡的形变参数；其中，所述高陡边坡形变预测模型为以改进论域划分方法为基础，并采用基于粒子群算法改进后的整体分布优化算法建立的，高预测准确性的n阶模糊时间序列预测模型。2.根据权利要求1所述的方法，其特征在于，若过去时间段天顶距的测量数据、方位角的测量数据和斜距的测量数据各为m个，则形变参数的各项数据为m-n个数据；其中，m大于n，且属于大于0的自然数。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用过去第一时间段高陡边坡的天顶距、方位角和斜距的数据，采用建立的高陡边坡形变预测模型预测过去第二时间段高陡边坡的天顶距、方位角和斜距的预测数据；以及采用过去第二时间段高陡边坡的天顶距、方位角和斜距的测量数据及各自的预测数据，训练所述高陡边坡形变预测模型；具体地，包括下述子步骤：S01、定义论域U，根据测量数据的范围，论域U的起点为Umin-Dmin，U的终点为Umax-Dmax；Dmin，Dmax为用来调整界限的两个正整数；S02、基于整体分布优化算法，将论域U划分为i个连续的区间，并确定每一个区间对应的模糊概念；通过整体分布优化算法将第一时间段的测量数据合理的划分为i个区间，再将第一时间段的测量数据模糊化分配至各个连续区间，采用三角模糊隶属度函数列出所有的模糊集，通过定连续时间序列的模糊集创建全部模糊关系；S03、根据模糊关系确定模糊矩阵，根据所述模糊矩阵去模糊化预测；通过基于整体分布优化算法的模糊时间序列模型对历史数据预测，得出预测值并和实际值求误差，得出模型精确度，从而确立整个模型即高陡边坡形变预测模型。4.根据权利要求3所述的方法，其特征在于，论域划分过程中，所述整体分布优化算法中的适应度函数定义为所有真实值到其所在区间中点距离平方之和的平均值，找出本次最好的个体与上次最好个体比较，若优于上次，则替换上次最好个体，种群直径保持不变。5.根据权利要求3所述的方法，其特征在于，步骤S02包括：每个语意变量Ae代表一个模糊集，定义描述为Ae＝d1/u1+d2/u2+d3/u3+.......+di/ui，；其中，符号“+”表示模糊集的合并，dj...
【专利技术属性】
技术研发人员：肖冬，付晓锐，王宝华，谢菲鸿，李雪娆，毛亚纯，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21
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。