基于EEMD-Prophet-LSTM的滑坡位移预测

作     者：王震豪 聂闻 许汉华 简文彬 WANG Zhenhao;NIE Wen;XU Hanhua;JIAN Wenbin

作者机构：中国科学院福建物质结构研究所福州350002 中国科学院大学北京100049 中国有色金属工业昆明勘察设计研究院有限公司昆明650051 云南省岩土工程与地质灾害重点实验室昆明650051 福州大学岩土工程与工程地质研究所福州350116 

基　　金：国家自然科学基金(41861134011)资助 

出 版 物：《中国科学院大学学报（中英文）》 (Journal of University of Chinese Academy of Sciences)

年 卷 期：2023年第40卷第4期

页      码：514-522页

摘      要：对于阶跃型滑坡位移这一非稳态自然过程,提出一种结合集合经验模态分解法(EEMD)、Prophet和长短时记忆网络(LSTM)的滑坡位移预测方法。以白水河滑坡位移数据为例,采用EEMD将位移时间序列分解为若干个本征模态函数(IMF)和残差(RES),将包含周期因素、随机因素的IMF叠加视为波动项,RES视为趋势项。分别采用Prophet和LSTM预测趋势项与波动项,两项预测结果叠加得到滑坡位移预测值。结果表明:该方法对于少量数据的白水河滑坡位移预测拟合度(R^(2))达到0.98以上,优于支持向量机、人工神经网络等传统机器学习方法。且此方法对八字门滑坡各监测点的预测精度R^(2)同样在0.96以上,证明了此方法的有效性。

主 题 词：滑坡位移 时间序列 集合经验模态分解 Prophet 长短时记忆网络 

学科分类：081803[081803] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.7523/j.ucas.2022.002

馆 藏 号：203122477...