【技术实现步骤摘要】
一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法及系统
[0001]本专利技术属于地质灾害监测领域,特别是涉及一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法。
技术介绍
[0002]构建滑坡早期衰减模型的方法有:(1)经验模型,(2)统计学理论模型,(3)人工智能模型等。经验模型的特点是具有明显的特征物理机制,但有严重的应用局限性,并依赖于专家的经验,由于模型简化了地质和力学机制,模型可能与事实不符;随着统计学的发展,许多统计方法被用于预测滑坡位移,如Verhulst模型和灰色系统模型。这些模型大多是非线性模型,没有一定的地质和力学机制支持;随着人工智能的快速发展,各种研究都致力于将人工智能模型应用于滑坡位移预测,这些神经网络模型是完全连接的,在训练过程中可能会产生信息泄漏,导致训练集过拟合。
[0003]针对2所列举模型的不足,将局部均值分解(LMD)、指数平滑预测模型(ETS)和时间卷积网络(TCN)组合为一种预测滑坡位移的混合方法,命名为LMD
‑
ETS
‑
TCN。与以往研究中使用的其他模型相比,LMD可以避免EMD中的过包络或欠包络的缺点;ETS模型考虑了数据的自相关性,能较好的预测滑坡位移中的趋势项位移,适用于有非线性增长倾向的数据序列,而滑坡变形就具有明显非线性增长倾向;TCN模型也有一些优势,循环架构的神经网络容易出现梯度消失的问题,而TCN更容易提高序列观察范围 ...
【技术保护点】
【技术特征摘要】
1.一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法,其特征在于:包括,利用局部平均分解LMD分解调频信号,将位移分解为趋势项位移和周期项位移;利用网格搜索确定指数平滑预测法EST模型的状态空间和时间卷积网络TCN模型的超参数并进行调优测试;采用平均绝对误差、均方根误差和决定系数评价模型性能。2.如权利要求1所述的一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法,其特征在于:所述局部平均分解LMD具体步骤如下:在信号xt的半波振荡中计算极值n
i
和n
i+1
的平均值m
i
,通过移动平均值平滑局部均值,形成平滑变化的连续局部均值函数m(t),确定每个对应的半波振荡的局部幅度,将平滑局部震级产生一个平滑变化的连续包络函数,计算初始信号的原始均值,迭代过程应重复n次,直至计算出纯调频信号,将初始信号xt与乘积函数PF1(t)相减获得新函数u1(t),因此流持续k次,直到u
k
(t)变为常数与不再振荡。所述分解调频信号表示为:h
11
(t)=xt
‑
m
11
(t),所述纯调频信号表示为:其中,m
i
为信号半波振荡的平均值,n
i
、n
i+1
为极值,a
i
为半波振荡的局部幅度,h
ln
(t)为输出信号,xt为初始信号,m
ln
(t)为原始均值,s
ln
(t)为纯调频信号,a
ln
(t)为初始包络估计。3.如权利要求2所述的一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法,其特征在于:所述乘积函数包括将纯调频信号通过乘积函数获得新函数表示为:PF1(t)=a1(t).s
1n
(t)(t)其中,PF
k
(t)为乘积函数,u
k
(t)为新函数。4.如权利要求3所述的一种基于滑坡累计位移预测的LMD
‑
EST
‑
TCN混合方法,其特征在于:所述指数平滑预测法EST包括ETS模型由一个预测方程和三个平滑方程组成表示为:
其中,为时间t处的拟合值向前一步的预测,y
t
为时间t处的数据值,l
t
为时间t处的水平,b
t
...
【专利技术属性】
技术研发人员:刘卓娅,欧阳广泽,邓松,文屹,吴建蓉,黄军凯,余昌皓,曹雷,刘忻,颜康,罗鑫,张啟黎,肖书舟,郑友卓,王融融,魏延勋,李书耀,赵军,赵强飞,
申请(专利权)人:贵州电网有限责任公司,
类型:发明
国别省市:
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。