一种内嵌涉水型滑坡特征信息的智能位移预测方法技术

本发明专利技术公开一种内嵌涉水型滑坡特征信息的智能位移预测方法包括以下步骤：1)构建通用的线性层和非线性层；2)构建功能块1、功能块2、功能块3；3)获取与滑坡位移对应的时间序列数据x作为功能块1的输入数据x1，并输入至功能块1中，得到输出回测值和滑坡位移预测值4)将输入数据x1与输出回测值残差作为功能块2的输入数据x2，并输入至功能块2中，得到输出回测值和滑坡位移预测值5)将输入数据x2与输出回测值残差作为功能块3的输入数据x2，并输入至功能块3中，得到滑坡位移预测值6)对不同功能块的滑坡位移预测进行整合，得到最终的滑坡位移预测结果。本发明专利技术提高了库区滑坡位移预测的精度。

【技术实现步骤摘要】

本专利技术涉及滑坡预测领域，具体是一种内嵌涉水型滑坡特征信息的智能位移预测方法。

技术介绍

1、沿江两岸地形地貌复杂，地质灾害频发，大型滑坡广泛发育。受周期性诱发因素的影响，如：库区水位升降、季节性降雨，滑坡监测位移曲线呈现出周期性、阶梯状的增长形态。针对库区滑坡位移监测曲线的特点，现有技术通过使用分解算法，如：移动平均法、经验模态分解、变分模态分解等，将采集到滑坡位移曲线分解成周期项、趋势项、残差。并在分解结果的基础上，使用不同的深度学习算法分别构建周期项、趋势项、残差与时间的对应关系。最后将周期项、趋势项、残差的预测值合并得到未来滑坡的位移预测曲线。

2、传统采用“分解算法+深度学习算法”相结合的方式，由于残差项的存在，会导致周期项和趋势项的数据失真，同时残差项的规律不明显，会影响深度学习算法的结果准确性；同时，传统方式只考虑了周期项和趋势项，当涉水型滑坡面临库水位骤升/骤降、短临强降雨的影响时，阶梯状位移的上升处必然会出现陡然上升趋势。介于上述因素，传统采用“分解算法+深度学习算法”相结合的方式会降低滑坡位移预测的准确性。

...

【技术保护点】

1.一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性层用于连接输入数据与线性层。

3.根据权利要求1所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性层包括n层全连接层；n≥4；

4.根据权利要求3所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性激活函数包括但不仅限于：Sigmoid、Tanh、ReLu。

5.根据权利要求4所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，...

【技术特征摘要】

1.一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性层用于连接输入数据与线性层。

3.根据权利要求1所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性层包括n层全连接层；n≥4；

4.根据权利要求3所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，所述非线性激活函数包括但不仅限于：sigmoid、tanh、relu。

5.根据权利要求4所述的一种内嵌涉水型滑坡特征信息的智能位移预测方法，其特征在于，当非线性激活函数选用...

【专利技术属性】
技术研发人员：李柏佚，王桂林，康燕飞，徐洪，孙帆，向学坤，张林冲，杨鑫杰，岳佳豪，
申请(专利权)人：重庆大学，
类型：发明
国别省市：