一种基于IVMD-IAO-BiLSTM的滑坡位移预测方法技术

本发明专利技术提供一种基于IVMD

【技术实现步骤摘要】
一种基于IVMD
‑
IAO
‑
BiLSTM的滑坡位移预测方法


[0001]本专利技术涉及地质灾害防治领域，尤其涉及一种滑坡地质灾害预报预测方法。

技术介绍

[0002]作为一种数量多、危害大的自然灾害，滑坡在世界范围内频发，严重威胁人们的生命财产安全。因此，滑坡灾害的预警至关重要。由于地表位移可以直观地反映滑坡的演化过程，因而准确预测滑坡位移是建立可靠预警系统的有效手段。但滑坡是一种包含众多随机性、复杂性和不确定性因素的复杂非线性动态开放系统，其位移与各种诱发因素之间存在复杂的非线性关系，存在很大的不确定性，这对滑坡位移预测的精度造成了很大的挑战。
[0003]当前滑坡位移的预测模型未充分考虑模型预测时受到的结构参数的影响。且当前应用在滑坡位移预测领域中的遗传算法(GA)、粒子群算法(PSO)优化算法存在搜索空间有限、容易陷入局部最优解、优化效率低、鲁棒性差问题，因而无法稳定、准确地找到模型的最优参数。因此，亟需一种搜索能力强、收敛速度快、寻优精度高、能够有效跳出局部最优解且稳定性和适用性好的优化算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IVMD
‑
IAO
‑
BiLSTM的滑坡位移预测方法，其特征在于，包括以下步骤：S1、在滑坡场地内布置监测点，通过监测设备对地表位移及影响地表位移的因子进行监测，获取监测数据；S2、对原始数据进行归一化处理。若存在异常值，则剔除，若存在缺失值，则通过邻近位置均值处理方法对缺失值进行补充处理；S3、考虑时间滞后效应，采用斯皮尔曼相关系数，在设定置信水平下识别影响因子与预测对象的滞后天数G，并将前G天的影响因子数据一同作为预测模型输入；S4、通过改进的变分模态分解方法IVMD，将预处理后的滑坡位移数据分解为L个模态分量IMF，包括：通过改进的天鹰优化算法IAO对变分模态分解VMD的惩罚因子和模态分解层数两个参数进行调参优化，使得VMD能够稳定找到全局最优解，避免陷入局部最优解；S5、构建每个模态分量的训练集和测试集，将每个模态分量的训练集及预测对象的影响因子数据输入预测模型中，得到各模态分量的滑坡位移预测结果；所述预测模型采用双向长短期记忆神经网络BiLSTM，通过改进的天鹰优化算法IAO对BiLSTM的第一层隐含层的单元个数、第二层隐含层的单元个数、训练次数和学习率四个超参数进行调参优化，进而寻找到最优的超参数，提高BiLSTM对复杂数据特征的学习能力以及预测的准确率；S6、将L个模态分量的滑坡位移预测结果累加，并进行反归一化，得到最终的滑坡位移预测结果。2.根据权利要求1所述的滑坡位移预测方法，其特征在于，所述改进的天鹰优化算法IAO具体为：对传统的天鹰优化算法AO进行基于Tent混沌映射的种群初始化策略、基于自适应权重因子的全局最优个体更新策略、基于反向差分进化的种群更新策略三方面的改进。3.根据权利要求2所述的滑坡位移预测方法，其特征在于，所述天鹰优化算法AO的原理如下：AO算法模拟了天鹰在狩猎期间的行为，其优化过程用四种方法表示，分别为通过垂直弯腰的高翱翔选择搜索空间记为X1，通过短滑翔攻击的等高飞行在搜索空间内探索记为X2，通过慢速下降攻击的低空飞行在收敛搜索空间内探索记为X3，通过行走和抓取猎物进行俯冲记为X4；AO算法保证了在优化过程中不论在宽视野还是窄视野下都能成功进行搜索区域的创建，具体的四种狩猎方式如下：对于X1，天鹰识别猎物区域并通过垂直弯腰的高翱翔来选择最佳狩猎区域；在这里，天鹰从高空翱翔来确定搜索空间的区域，即搜索猎物在哪里，这种行为在数学上表示为式(1)；式(1)中，X1(t+1)表示第一种狩猎方式X1生成的t+1次迭代的解，X
best
(t)表示第t次迭代的最优解，代表猎物的大致位置，表示用于通过迭代次数控制扩展搜索，rand表示[0，1]的随机值，t和T分别表示当前迭代和最大迭代次数，X
M
(t)表示当前解决方案在第t次迭代时的平均值，即A表示候选解的个数，D表示问题的维度，i表示第i个候选解，j表示第j个维度；
对于X2，当天鹰从高空找到猎物区域时，会在目标猎物上方盘旋，准备好发动攻击，这种方法称为短滑翔攻击的等高飞行；此时，天鹰优化算法狭窄地探索目标猎物的选定区域，为攻击做准备，这种行为在数学上表示为式(2)；X2(t+1)＝X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)
×
rand
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中，X2(t+1)表示第二种狩猎方式X2生成的t+1次迭代的解，Levy(D)表示Levy飞行分布函数，X
R
(t)为第t次迭代时在[1，A]范围内取得的随机解，y和x表示搜索中的螺旋形状；对于X3，当天鹰锁定了捕食区域，天鹰准备好着陆和攻击，随后垂直下降并进行初步攻击来试探猎物的反映，这种行为称为低空飞行和慢速下降攻击，这种行为在数学上表示为式(3)；X3(t+1)＝(X
best
(t)
‑
X
M
(t))
×
α
‑
rand)+((UB
‑
LB)
×
rand+LB)
×
δ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式(3)中，X3(t+1)表示第三种狩猎方式X3生成的t+1次迭代的解，α和δ为取值在(0,1)之间的调整系数，UB、LB分别表示问题的上界和下界；对于X4，当天鹰接近猎物时，它会根据猎物的随机运动在陆地上行走攻击猎物，这种行为在数学上表示为式(4)；X4(t+1)＝QF
×
X
best
(t)
‑
(V1×
X(t)
×
rand)
‑
V2×
Levy(D)+rand
×
V1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)式(4)中，X4(t+1)表示第四种狩猎方式X4生成的t+1次迭代的解，QF表示用于平衡搜索策略的质量函数，V1表示天鹰跟踪逃跑猎物的各种运动，即V1＝2
×
rand
‑
1，V2为从2至0的递减值，表示天鹰在跟踪猎物过程中从第一个位置到最后一个位置的飞行斜率，即4.根据权利要求2所述的滑坡位移预测方法，其特征在于，所述基于Tent混沌映射的种群初始化策略具体为：采用Tent映射对种群初始化进行混沌映射的改进，并将Tent混沌映射生成的数据作为AO算法的初始种群位置信息，保留种群的搜索多样性，使得种群个体在搜索过程中被赋予跳出局部最优解的能力，同时提高AO算法的收敛速度和全局搜索能力；所采用的Tent映射表达式和扰动公式具体如式(5)
‑
式(7)所示；X
i+2，j
＝X
i+1，j
×
(UB
‑
LB)+LB，i＝0，1，2
…
，N；j＝1，2，
…
，D
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)newX
′
＝(X
′
+X)/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，式(5)表示生...

【专利技术属性】
技术研发人员：王天龙，孙红月，储兆微，罗睿，王旭，
申请(专利权)人：浙江大学，
类型：发明
国别省市：