[1]廖兴灵,简文彬,樊秀峰,等.考虑位移滞后效应的降雨型滑坡 ＳＳＡ-ＤＥＬＭ位移预测模型研究[J].水利与建筑工程学报,2023,(02):128-136.[doi:10.3969/j.issn.1672-1144.2023.02.019]
点击复制

考虑位移滞后效应的降雨型滑坡 ＳＳＡ-ＤＥＬＭ位移预测模型研究()
分享到：

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2023年02期
页码:
128-136
栏目:
出版日期:
2023-04-30

文章信息/Info

作者:
廖兴灵1; 2; 简文彬1; 2; 3; 樊秀峰1; 2; 3; 章德生1; 2
1．福州大学紫金地质与矿业学院岩土与地质工程系，福建福州350108；2．福建省地质灾害重点实验室，福建福州350108；3．地质工程福建省高校工程研究中心，福建福州350002
关键词:
位移预测; 滞后; 集对分析; 麻雀搜索算法; 深度极限学习机
分类号:
Ｐ642.22
DOI:
10.3969/j.issn.1672-1144.2023.02.019
文献标志码:
A
摘要:
针对东南丘陵山地降雨型滑坡变形发展特征，现有滑坡预测模型应用存在局限，结合滑坡变形特点研究基于智能算法的滑坡预测模型。以福建安溪尧山滑坡为例，选取2019年9月至2022年6月滑坡监测数据进行研究，采用集对分析、灰关联法、麻雀搜索算法及深度极限学习机对滑坡位移进行预测，提出了一种考虑滑坡位移滞后时间基于深度学习的滑坡位移预测模型。结果表明：ＳＳＡ-ＤＥＬＭ模型的ＭＡＥ、ＭＡＰＥ、ＲＭＳＥ相较于已有的ＢＰ神经网络、ＳＶＭ模型均更小，同时模型结合了滑坡影响因子以及水位－位移滞后特征，具有明确的物理意义，位移预测效果较好且精度较高，可推广应用于类似的滑坡位移预测中。

参考文献/References:

［1］　林春泽，王宁涛，王清，等．降雨型滑坡地质灾害预警预报研究进展［Ｊ］．暴雨灾害，2018，37（5）：393-400．
［2］　刘传正，陈春利．中国地质灾害防治成效与问题对策［Ｊ］．工程地质学报，2020，28（2）：375-383．
［3］　ＺｈｕＸｉｎｇ，ＸｕＱｉａｎｇ，ＴａｎｇＭｉｎｇｇａｏ，ｅｔａｌ．Ａｈｙｂｒｉｄｍａ-ｃｈｉｎｅｌｅａｒｎｉｎｇａｎｄｃｏｍｐｕｔｉｎｇｍｏｄｅｌｆｏｒｆｏｒｅｃａｓｔｉｎｇｄｉｓ-ｐｌａｃｅｍｅｎｔｏｆｍｕｌｔｉｆａｃｔｏｒ-ｉｎｄｕｃｅｄｌａｎｄｓｌｉｄｅｓ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，2018，30（12）：3825-3835．
［4］　ＺｈａｎｇＬｅｉ，ＳｈｉＢｉｎ，ＺｈｕＨｏｎｇｈｕ，ｅｔａｌ．ＰＳＯ-ＳＶＭ-ｂａｓｅｄｄｅｅｐｄｉｓｐｌａｃｅｍｅｎｔｐｒｅｄｉｃｔｉｏｎｏｆＭａｊｉａｇｏｕｌａｎｄｓｌｉｄｅｃｏｎｓｉｄｅｒｉｎｇｔｈｅｄｅｆｏｒｍａｔｉｏｎｈｙｓｔｅｒｅｓｉｓｅｆｆｅｃｔ．［Ｊ］．Ｌａｎｄ-ｓｌｉｄｅｓ，2021，18（1）：179-193．
［5］　ＲａｊａｂｉＡ Ｍ，ＫｈｏｄａｐａｒａｓｔＭ，ＭｏｈａｍｍａｄｉＭ．Ｅａｒｔｈ-ｑｕａｋｅ-ｉｎｄｕｃｅｄｌａｎｄｓｌｉｄｅｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｂａｃｋ-ｐｒｏｐａｇａ-第2期　　　　　　　　廖兴灵，等：考虑位移滞后效应的降雨型滑坡ＳＳＡ-ＤＥＬＭ位移预测模型研究135ｔｉｏｎｔｙｐｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ：ｃａｓｅｓｔｕｄｙｉｎｎｏｒｔｈｅｒｎＩｒａｎ［Ｊ］．ＮａｔｕｒａｌＨａｚａｒｄｓ，2022，110（1）：679-694．
［6］　伍法权，王年生．一种滑坡位移动力学预报方法探讨［Ｊ］．中国地质灾害与防治学报，1996（Ｓ1）：38-41，85．
［7］　尹顺德，冯夏庭，周　辉，等．降雨影响下滑坡变形预测的ＧＡ-ＮＮ模型研究［Ｊ］．岩土力学，2003（6）：1038-1041．
［8］　李麟玮，吴益平，苗发盛，等．基于变分模态分解与ＧＷＯ-ＭＩＣ-ＳＶＲ模型的滑坡位移预测研究［Ｊ］．岩石力学与工程学报，2018，37（6）：1395-1406．
［9］　杨　帆，许　强，范宣梅，等．基于时间序列与人工蜂群支持向量机的滑坡位移预测研究［Ｊ］．工程地质学报，2019，27（4）：880-889．
［10］　ＬｉＣｈａｎｇｄｏｎｇ，ＣｒｉｓｓＲＥ，ＦｕＺｈｉｙｏｎｇｅｔａｌ．Ｅｖｏｌｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｄｉｓｐｌａｃｅｍｅｎｔｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｆｌａｎｄｓｌｉｄｅｓｗｉｔｈｓｔａｉｒ-ｓｔｅｐｓｌｉｄｉｎｇｓｕｒｆａｃｅａｌｏｎｇｔｈｅＸｉａｎ-ｇｘｉＲｉｖｅｒ，ｔｈｒｅｅＧｏｒｇｅｓＲｅｓｅｒｖｏｉｒｒｅｇｉｏｎ，Ｃｈｉｎａ［Ｊ］．ＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙ，2021，283：10596．
［11］　邓聚龙．灰理论基础［Ｍ］．武汉：华中科技大学出版社，2002．
［12］　汪　洋，殷坤龙，安关峰．滑坡敏感因子的灰色关联分析［Ｊ］．岩土力学，2004（1）：91-93．
［13］　黄盛锋，陈志波，郑道哲．基于灰色关联度法和强度折减法的边坡稳定性影响因素敏感性分析［Ｊ］．中国地质灾害与防治学报，2020，31（3）：35-40．
［14］　ＺｈａｏＫｅｑｉｎ．Ｔｈｅｏｒｙａｎｄａｎａｌｙｓｉｓｏｆｓｅｔｐａｉｒｅａｎｅｗｃｏｎｃｅｐｔａｎｄｓｙｓｔｅｍ ａｎａｌｙｓｉｓｍｅｔｈｏｄ［Ｃ］／／Ｃｏｎｆｅｒｅｎｃｅｔｈｅｓｉｓｏｆｓｙｓｔｅｍｔｈｅｏｒｙａｎｄｒｅｇｉｏｎａｌｐｌａｎｎｉｎｇ，1989：87-91．
［15］　ＫａｓｕｎＬＬＣ，ＺｈｏｕＨｏｎｇｍｉｎｇ，ＨｕａｎｇＧｕａｎｇｂｉｎ，ｅｔａｌ．ＲｅｐｒｅｓｅｎｔａｔｉｏｎａｌｌｅａｒｎｉｎｇｗｉｔｈＥＬＭｓｆｏｒｂｉｇｄａｔａ［Ｊ］．ＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，ＩＥＥＥ，2013，28（6）：31-34．
［16］　颜学龙，马润平．基于深度极限学习机的模拟电路故障诊断［Ｊ］．计算机工程与科学，2019，41（11）：1911-1918．
［17］　ＸｕｅＪｉａｎｋａｉ，ＳｈｅｎＢｏ．Ａｎｏｖｅｌｓｗａｒｍｉｎｔｅｌｌｉｇｅｎｃｅｏｐｔｉ-ｍｉｚａｔｉｏｎａｐｐｒｏａｃｈ：ｓｐａｒｒｏｗｓｅａｒｃｈａｌｇｏｒｉｔｈｍ［Ｊ］．Ｓｙｓ-ｔｅｍｓＳｃｉｅｎｃｅ＆ ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，2020，8（1）：22-34．
［18］　周志华．机器学习［Ｍ］．北京：清华大学出版社，2016．
［19］　刘　晓，唐辉明，刘　瑜．基于集对分析的滑坡变形动态建模研究［Ｊ］．岩土力学，2009，30（8）：2371-2378．
［20］　高晨曦，刘艺梁，薛　欣，等．三峡库区典型堆积层滑坡变形滞后时间效应研究［Ｊ］．工程地质学报，2021，29（5）：1427-1436

相似文献/References:

[1]马家超,朱珍德,朱姝,等.基于小波分析以及ε-SVR的隧道围岩位移时序预测[J].水利与建筑工程学报,2013,(02):90.
[2]陈玉华,邱冬冬,程志伟,等.库水位波动下三峡库区典型堆积层滑坡位移特征及预测[J].水利与建筑工程学报,2018,(06):230.[doi:10.3969/j.issn.1672-1144.2018.06.043]
[3]华莎,袁于思,易灿灿,等.基于多簇回声状态网络的边坡变形预测[J].水利与建筑工程学报,2022,(02):108.[doi:10.3969/j.issn.1672-1144.2022.02.016]

备注/Memo

备注/Memo:
收稿日期：2022-11-12　　　　　修稿日期：2022-12-11
基金项目：国家自然科学基金项目（41861134011；Ｕ2005205）
作者简介：廖兴灵（1996—），男，硕士研究生，研究方向为地质灾害及其防治。Ｅ-ｍａｉｌ：ｌｘｌｄｅ＿ｍａｉｌ＠163．ｃｏｍ
通讯作者：简文彬（1963—），男，博士，教授，博士生导师，主要从事岩土工程与工程地质方面的教学和研究工作。Ｅ-ｍａｉｌ：ｊｗｂ＠ｆｚｕ．ｅｄｕ．ｃｎ
更新日期/Last Update: 1900-01-01