基于多算法参数优化与SVR模型的白水河滑坡位移预测

滑坡预测对于减轻地质灾害的危害十分重要，但对科学研究却很有挑战性。基于变形特征和位移监测数据，建立了三峡库区白水河滑坡的时间序列加法模型。在模型中，累计位移分为3个部分:趋势、周期和随机项，解释了由内部因素（地质环境，重力等）、外部因素（降雨，水库水位等）、随机因素（不确定性）共同作用的影响。在对位移数据进行统计分析后，提出了一个3次多项式模型对趋势项进行学习，并利用多算法寻优的支持向量回归机（SVR）模型对周期项进行训练与预测。结果表明，在预测精度上，基于时间序列与遗传算法-支持向量回归机（GA-SVR）耦合的位移预测模型要明显优于网格寻优（GS）以及粒子群算法（PSO）优化的支持向量回归机模型。因此，GA-SVR模型在滑坡位移预测方面可以得到较好的应用。在“阶跃型”滑坡位移预测中，GA-SVR将具有广阔的应用前景。