随机森林优化的静动态耦合模型在滑坡位移预测中的应用

X933; 以重庆市奉节县生基包滑坡为例,首先采用静态的支持向量回归(SVR)机器学习算法和动态的长短期记忆神经网络(LSTM)机器学习算法对滑坡位移进行预测;其次引入随机森林(RF)算法,在输入因素筛选的基础上,对SVR模型和LSTM模型的预测结果进行更优解分类预测;最后通过RF模型输出概率值,对静动态耦合模型(SVR-LSTM)进行权重赋值,得到RF优化的SVR-LSTM滑坡位移预测模型.结果表明LSTM模型预测整体优于SVR模型,RF优化的SVR-LSTM滑坡位移预测模型集成了静态SVR与动态LSTM预测模型的优势,其预测性能与单一的SVR模型和LSTM模型相比更优.研究提供了一种滑坡位...

Full description

Saved in:
Bibliographic Details
Published in常州大学学报（自然科学版） Vol. 36; no. 3; pp. 80 - 92
Main Authors 蒋宏伟, 刘健鹏, 王新杰, 陈春红, 刘惠
Format Journal Article
LanguageChinese
Published 常州大学城市建设学院,江苏常州 213164 2024
Subjects
长短期记忆神经网络
支持向量回归
support vector regression
算法集成
滑坡位移预测
algorithm integrated
随机森林
landslide displacement prediction
long short-term memory neural net-work
random forest
Online AccessGet full text

Cover

More Information
Summary:X933; 以重庆市奉节县生基包滑坡为例,首先采用静态的支持向量回归(SVR)机器学习算法和动态的长短期记忆神经网络(LSTM)机器学习算法对滑坡位移进行预测;其次引入随机森林(RF)算法,在输入因素筛选的基础上,对SVR模型和LSTM模型的预测结果进行更优解分类预测;最后通过RF模型输出概率值,对静动态耦合模型(SVR-LSTM)进行权重赋值,得到RF优化的SVR-LSTM滑坡位移预测模型.结果表明LSTM模型预测整体优于SVR模型,RF优化的SVR-LSTM滑坡位移预测模型集成了静态SVR与动态LSTM预测模型的优势,其预测性能与单一的SVR模型和LSTM模型相比更优.研究提供了一种滑坡位移预测模型集成的思路,为三峡库区的地质灾害预测预报提供借鉴和参考.
ISSN:2095-0411
DOI:10.3969/j.issn.2095-0411.2024.03.009