基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

作     者：张凯 张科 保瑞 刘享华 齐飞飞 ZHANG Kai;ZHANG Ke;BAO Rui;LIU Xiang-hua;QI Fei-fei

作者机构：昆明理工大学电力工程学院云南昆明650500 昆明理工大学建筑工程学院云南昆明650500 中国有色金属工业昆明勘察设计研究院有限公司云南昆明650051 

基　　金：国家自然科学基金项目(No.11902128) 云南省应用基础研究计划项目(No.2019FI012,No.2018FB093) 

出 版 物：《岩土力学》 (Rock and Soil Mechanics)

年 卷 期：2021年第42卷第1期

页      码：211-223页

摘      要：针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。

主 题 词：滑坡位移预测 经验模态分解 软筛分停止准则 聚类分析 果蝇优化 最小二乘支持向量机 

学科分类：08[工学] 0818[工学-交通运输类] 080104[080104] 0815[工学-矿业类] 0903[农学-动物生产类] 0813[工学-化工与制药类] 0901[农学-植物生产类] 0814[工学-地质类] 0801[工学-力学类] 

核心收录：

D　O　I：10.16285/j.rsm.2020.1300

馆 藏 号：203101708...