基于主控因子分析与GM-IAGA-WNN联合模型的平推式滑坡位移预测研究——以垮梁子滑坡为例 |
| |
引用本文: | 黄健,李桥,巨能攀,许强,王昌明.基于主控因子分析与GM-IAGA-WNN联合模型的平推式滑坡位移预测研究——以垮梁子滑坡为例[J].工程地质学报(英文版),2019,27(4):862-872. |
| |
作者姓名: | 黄健 李桥 巨能攀 许强 王昌明 |
| |
作者单位: | 地质灾害防治与地质环境保护国家重点实验室(成都理工大学) 成都 610059;成都理工大学 环境与土木工程学院 成都 610059;地质灾害防治与地质环境保护国家重点实验室(成都理工大学) 成都 610059 |
| |
基金项目: | 国家创新研究群体科学基金项目41521002高等学校博士学科点专项科研基金项目20135122130002四川省国土资源科研项目KJ-2018-17 |
| |
摘 要: | 滑坡位移预测模型是滑坡预警系统建立的核心,而模型可靠性与精确性关键在于主控因子的选取与基础理论模型的构建。学者们通过大量滑坡实例研究,已取得了诸多成果,但是由于滑坡位移变化具有强烈的个性特征及趋势发展的不确定性问题,在多因子联合作用下的位移预测模型尚有不足之处。本文以西南地区普遍存在的平推式滑坡——垮梁子滑坡为研究对象,结合前人已有的研究成果,综合考虑坡体内外各项影响因子,利用灰色关联度与相关性分析对坡体变形主控因子进行优化筛选。以此为基础,提出一种基于GM(1,1)灰色模型与改进型自适应遗传算法(IAGA)进行优化的小波神经网络(WNN)联合预测模型构建方案。通过对垮梁子滑坡历时5年的监测数据挖掘分析,得知滑坡变形受累计降雨、渗压、地下水位及土体含水率影响显著,预测结果与实际监测比较吻合。相较于传统BP神经网络模型、小波神经网络模型和未优化遗传算法-小波神经网络联合模型,该联合模型具有更好的稳定性与精度优势,在滑坡预警预报研究中具有良好的应用前景。
|
关 键 词: | 滑坡 位移预测 主控因子 遗传算法 小波变换 神经网络 |
收稿时间: | 2018-10-31 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《工程地质学报(英文版)》浏览原始摘要信息 |
| 点击此处可从《工程地质学报(英文版)》下载免费的PDF全文 |