长江科学院院报
長江科學院院報
장강과학원원보
JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTITUTE
2012年
3期
29-34
,共6页
秦鹏%张喆瑜%秦植海%王维汉
秦鵬%張喆瑜%秦植海%王維漢
진붕%장철유%진식해%왕유한
骨坡%监测%变形预测%分形理论%人工神经网络
骨坡%鑑測%變形預測%分形理論%人工神經網絡
골파%감측%변형예측%분형이론%인공신경망락
滑坡体变形预测对滑坡灾害治理具有重要的意义.根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络( IVDF-ANN)耦合模型,并以茅坪滑坡体的实测位移为例进行预测.预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法.
滑坡體變形預測對滑坡災害治理具有重要的意義.根據邊坡的縯化特性,在研究得到滑坡是一箇非線性動態繫統,其鑑測數據具有分形特徵的基礎上,利用改進變維分形預測模型對滑坡體的鑑測數據時間序列趨勢項進行預測,併引入人工神經網絡對時間序列的偏離項進行糾偏優化,從而建立滑坡體鑑測數據的改進變維分形-人工神經網絡( IVDF-ANN)耦閤模型,併以茅坪滑坡體的實測位移為例進行預測.預測結果證明,該模型充分利用分形理論的自相似性和人工神經網絡的自學習能力,具有良好的抗譟性,對小數據量的鑑測數據能夠達到較高的預測精度和較好的預測長度,為滑坡體安全鑑控預測提供瞭新的參攷方法.
활파체변형예측대활파재해치리구유중요적의의.근거변파적연화특성,재연구득도활파시일개비선성동태계통,기감측수거구유분형특정적기출상,이용개진변유분형예측모형대활파체적감측수거시간서렬추세항진행예측,병인입인공신경망락대시간서렬적편리항진행규편우화,종이건립활파체감측수거적개진변유분형-인공신경망락( IVDF-ANN)우합모형,병이모평활파체적실측위이위례진행예측.예측결과증명,해모형충분이용분형이론적자상사성화인공신경망락적자학습능력,구유량호적항조성,대소수거량적감측수거능구체도교고적예측정도화교호적예측장도,위활파체안전감공예측제공료신적삼고방법.