基于光纤监测和PSO-SVM模型的马家沟滑坡深部位移预测研究

基于光纤监测和PSO-SVM模型的马家沟滑坡深部位移预测研究

论文摘要

滑坡位移预测效果一方面取决于预测模型的优劣,另一方面取决于野外监测数据的质量。针对目前滑坡常规监测技术与评价方法的不足,本文采用光纤监测技术、监测数据与PSO-SVM预测模型相结合的评价方法,对三峡马家沟Ⅰ号滑坡的深部位移进行了预测;通过对320个滑坡深部位移光纤监测数据分析,基于时间序列法,将滑坡位移分为趋势性位移和波动性位移;趋势性位移采用拟合法进行预测,波动性位移采用PSO-SVM模型进行预测;最后将趋势项和波动项位移预测值叠加得到累积位移的预测值。研究结果表明,PSO-SVM模型对波动性位移预测的均方根误差0. 51 mm,平均绝对百分误差0. 37 mm,能准确预测滑坡波动项位移;累积位移预测值与实测值的相关系数为0. 98,均方根误差为0. 54 mm,预测效果较好,可以用来对滑坡深部位移进行短期预测。

论文目录

  • 0 引言
  • 1 基于FBG的滑坡深部位移监测原理
  •   1.1 FBG基本原理
  •   1.2 滑坡深部位移光纤光栅监测原理
  • 2 时间序列和PSO-SVM模型
  •   2.1 时间序列加法模型
  •   2.2 支持向量机和粒子群算法
  • 3 马家沟滑坡深部位移光纤监测
  •   3.1 马家沟滑坡简介
  •   3.2 光纤监测数据分析
  • 4 马家沟滑坡深部位移预测
  •   4.1 趋势性位移预测
  •   4.2 周期性位移预测
  •     4.2.1 波动性位移提取
  •     4.2.2 影响因子的确定
  •     4.2.3 波动性位移预测
  •   4.3 累计位移预测
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 韩贺鸣,张磊,施斌,魏广庆

    关键词: 滑坡,光纤监测,深部位移,预测

    来源: 工程地质学报 2019年04期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 地质学,工业通用技术及设备

    单位: 南京大学地球科学与工程学院

    基金: 国家自然科学基金重点项目(41230636),国家重大科研仪器研制项目(41427801)资助~~

    分类号: P642.22

    DOI: 10.13544/j.cnki.jeg.2018-257

    页码: 853-861

    总页数: 9

    文件大小: 1241K

    下载量: 291

    相关论文文献

    • [1].改进的PSO-SVM模型在大坝变形预测中的应用[J]. 中国农村水利水电 2018(03)
    • [2].基于方差补偿自适应Kalman滤波的ARMA与PSO-SVM模型变形预测[J]. 大地测量与地球动力学 2018(07)
    • [3].基于PSO-SVM模型的油气管道内腐蚀速率预测[J]. 表面技术 2019(05)
    • [4].基于改进SVM的水肥与番茄产量品质关系预测模型研究[J]. 河北农业大学学报 2016(05)

    标签:;  ;  ;  ;  

    基于光纤监测和PSO-SVM模型的马家沟滑坡深部位移预测研究
    下载Doc文档

    猜你喜欢