基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测

P642.22; 滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步.由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强.基于此,文中提出了一种结合自适应粒子群算法(APSO)、支持向量机回归算法(SVR)、门控神经网络算法(GRU)的组合模型.该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型.以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所...

Full description

Saved in:
Bibliographic Details
Published in中国地质灾害与防治学报 Vol. 33; no. 6; pp. 20 - 28
Main Authors 杨伟东, 王再旺, 赵涵卓, 侯岳峰
Format Journal Article
LanguageChinese
Published 河北工业大学机械工程学院,天津 300401 01.12.2022
国家技术创新方法与实施工具工程技术研究中心,天津 300401%河北工业大学机械工程学院,天津 300401%北京中力智研物联科技有限公司,北京 100089
Subjects
支持向量机回归
门控神经网络
最小二乘法
自适应粒子群算法
滑坡位移
Online AccessGet full text
ISSN1003-8035
DOI10.16031/j.cnki.issn.1003-8035.202111017

Cover

More Information
Summary:P642.22; 滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步.由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强.基于此,文中提出了一种结合自适应粒子群算法(APSO)、支持向量机回归算法(SVR)、门控神经网络算法(GRU)的组合模型.该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型.以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性.
ISSN:1003-8035
DOI:10.16031/j.cnki.issn.1003-8035.202111017