安全与环境工程
安全與環境工程
안전여배경공정
SAFETY AND ENVIRONMENTAL ENGINEERING
2013年
4期
14-17
,共4页
刘艺梁%殷坤龙%汪洋%王伟
劉藝樑%慇坤龍%汪洋%王偉
류예량%은곤룡%왕양%왕위
滑坡%位移预测%经验模态分解%神经网络
滑坡%位移預測%經驗模態分解%神經網絡
활파%위이예측%경험모태분해%신경망락
受岩土体性质和多种诱发因素(降雨、地震、库水位等)的影响,滑坡的位移演化必然包含着多层次的信息,难以采用单一的灰色预测、神经网络、时间序列等模型进行有效、准确的预测.本文引入信号分析中的经验模态分解(EMD)方法,同时结合对非线性函数具有很强的逼近能力的BP神经网络,建立了滑坡变形预测的EMD-BP神经网络模型,并以三峡库区树坪滑坡为例,应用该模型对ZG88监测点的累积位移进行了预测,最后将其预测值与实际监测值以及其他模型预测结果进行了对比分析,结果表明该模型的预测值与实际监测值基本一致,且模型预测精度比单一的BP神经网络和GM(1,1)模型要高,从而验证了该模型具有一定的适用性和较高的预测精度.
受巖土體性質和多種誘髮因素(降雨、地震、庫水位等)的影響,滑坡的位移縯化必然包含著多層次的信息,難以採用單一的灰色預測、神經網絡、時間序列等模型進行有效、準確的預測.本文引入信號分析中的經驗模態分解(EMD)方法,同時結閤對非線性函數具有很彊的逼近能力的BP神經網絡,建立瞭滑坡變形預測的EMD-BP神經網絡模型,併以三峽庫區樹坪滑坡為例,應用該模型對ZG88鑑測點的纍積位移進行瞭預測,最後將其預測值與實際鑑測值以及其他模型預測結果進行瞭對比分析,結果錶明該模型的預測值與實際鑑測值基本一緻,且模型預測精度比單一的BP神經網絡和GM(1,1)模型要高,從而驗證瞭該模型具有一定的適用性和較高的預測精度.
수암토체성질화다충유발인소(강우、지진、고수위등)적영향,활파적위이연화필연포함착다층차적신식,난이채용단일적회색예측、신경망락、시간서렬등모형진행유효、준학적예측.본문인입신호분석중적경험모태분해(EMD)방법,동시결합대비선성함수구유흔강적핍근능력적BP신경망락,건립료활파변형예측적EMD-BP신경망락모형,병이삼협고구수평활파위례,응용해모형대ZG88감측점적루적위이진행료예측,최후장기예측치여실제감측치이급기타모형예측결과진행료대비분석,결과표명해모형적예측치여실제감측치기본일치,차모형예측정도비단일적BP신경망락화GM(1,1)모형요고,종이험증료해모형구유일정적괄용성화교고적예측정도.
