相空间重构在滑坡预测中的应用

针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机(LSSVM)的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机(LSSVM)建立预测模型,对滑坡进行了实证计算,且与LSSVM模型和BP神经网络模型进行了比较.结果表明,模型具有较高的精度...     

基于相空间重构与支持向量机预测滑坡位移的一种新方法

提出了一种基于相空间重构与支持向量机预测滑坡位移的新方法。首先,以滑坡位移时间序列的混沌特性为基础,对其应用互信息法计算最优时间延迟;然后,利用小波变换对滑坡位移序列数据进行频域分解,应用Cao氏方法对分解后的每个分量序列分别计算其最佳嵌入维数,在此基础上,对各个分量序列进行相空间重构,利用支持向量机对每个分量单独进行建模预测;最后,将各分量预测结果进行小波重构,得到最终预测结果。实例证明,该方法可以在滑坡位移预测中获得有效的应用。     

灰色最小二乘支持向量机在滑坡变形预测中的应用

结合灰色系统思想与最小二乘支持向量机构成灰色最小二乘支持向量机,根据目前灰色模型与最小二乘支持向量机结合的方法,提出并联型、串联型和残差型三种预测模型的结构.将上述三种灰色最小二乘支持向量机模型用于对三峡库区石佛寺滑坡垂直位移进行预测,模型精度和预测结果比较理想,优于单一预测模型.试验表明:灰色最小二乘支持向量机可提高预测精度,用于滑坡变形预测是有效可行的.     

基于相空间重构和高斯过程回归的对流层延迟预测

天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型.针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用C...     

GIS支持下滑坡灾害空间预测方法研究

滑坡预测在防灾减灾工作中具有重要意义,它包括空间、时间预测两个方面。基于统计模型进行区域评价与空间预测是滑坡灾害研究的重要方向,但是预测结果往往依赖样本数量和空间分布等。本文以马来西亚金马伦高原为研究区,选择高程、坡度、坡向、地表曲率、构造、土地覆盖、地貌类型、道路和排水系统作为评价因子,探讨运用地理信息系统(GIS)和遥感(RS)获取与管理滑坡灾害信息,以及热带雨林地区湿热环境下滑坡空间预测的方法。支持向量机(SVM)和逻辑(Logistic)回归模型分别应用于滑坡空间预测,结果显示平均预测精度分别为95.9%和86.2%,SVM法具有较高的描述精度,值得推荐;同时,基于SVM模型的滑坡空间预测受样本影响较小,预测结果相对比较稳定,这对于滑坡灾害区域评价与预测的快速实现具有实际意义。     

利用混沌理论与神经网络方法进行变形预测研究

利用混沌理论与神经网络方法,对变形监测数据进行了研究分析,最后实现了变形监测数据的建模及预测。     

GIS支持下应用PSO-SVM模型预测滑坡易发性

滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术。如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题。本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子。在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization, PSO)-支持向量机(support vector machine, SVM)模型,定量预测滑坡易发性。最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考。     

WebGIS支持下的浙江省高速路沿线滑坡灾害预测系统

随着WebGIS技术和计算机技术的发展,它们的应用领域也进一步得到拓展。本文结合浙江省高速路沿线滑坡灾害预测系统的开发实例,提出了将万维网地理信息系统(WebGIS)技术应用到滑坡灾害预测系统中,实现其预测数据的实时更新和可视化管理的解决方案。文章首先指出开发滑坡灾害预测系统的实际意义以及传统预测系统的不足,然后,通过阐述WebGIS技术的优势,提出其解决方案。最后,通过系统结构设计、功能设计、开发环境以及设施步骤等几部分的叙述,探讨了构建浙江省高速路沿线滑坡灾害预测系统的具体过程。     

基于长度修正的预测算法优化

当自变量之间存在多重相关性时,若利用最小二乘法建立预测模型,参数估计会存在误差。若应用偏最小二乘回归算法建立预测模型,可以克服自变量之间多重相关性问题,计算结果更为可靠。长度修正的偏最小二乘回归算法从预测的角度对偏最小二乘模型进行了改进。以芹山水电站的水平位移预测为例,验证了长度修正的偏最小二乘回归法比普通偏最小二乘回归法在预测方面效果更好。     

忠武输气管道沿线滑坡预测方法

忠武管道呈狭长线条状分布,其穿过的滑坡工程地质条件各异,导致滑坡的空间分布具有很大的随机性;同时按照忠武管道滑坡灾害防治要求,主要采用GPS进行滑坡监测,监测内容为位移一时间变化量,周期一般设为2年,监测时间间隔平均为一个月,故描述滑坡运动规律的数据量较少且单一。针对忠武管道沿线滑坡这些特点,提出了一种改进的串联灰色神...     

滑坡变形分析与预报的新方法

对滑坡变形分析与预报的一些新方法如提升小波、模糊聚类和模糊神经网络等方法及应用进行了研究,为滑坡变形分析与预报提供了新的研究思路。     

RBF神经网络一半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型.结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行.     

区域群发性滑坡灾害概率预报系统

根据覆盖浙江全部陆地区域数年降雨量数据,在同时期内有明确日期、位置记录的609处滑坡(泥石流)灾害数据,通过对地质、土壤、土地利用类型、人文等资料的综合分析,研制了集GIS与ANN于一体的区域群发性滑坡灾害概率预报系统(LAPS)。该系统可以通过宽带网络与气象、水文观测等有关部门相连接,在雨季根据雨量观测站的实时观测数据和降雨预报,对全省区域范围内滑坡灾害发生概率进行快速评价,实现对灾害发生的空间范围、强度及其分布概率的实时预警预报,具有维护方便、操作简单、可视化强等特点,可以作为其它滑坡易发地区的预报系统原型。     

基于神经网络的变形预报方法研究

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。     

利用无人机影像进行滑坡地形三维重建

针对滑坡表达研究的需要,提出了一种基于无人机影像序列的滑坡地形全自动鲁棒三维重建方法。以某滑坡区为试验场地,利用无人机搭载小型数码相机获取滑坡影像,辅助飞控数据建立的影像拓扑关系,依据计算机视觉原理,对滑坡地形进行了全自动三维建模,生成了包含颜色信息的三维点云数据,构建了滑坡体数字表面模型(DSM)。结果表明:该方法可快速实现滑坡三维地形精细测绘,有效降低作业成本和劳动强度;所建模型可准确表达滑坡体的空间分布特征,为正确分析评价滑坡稳定性提供了有力支持,尤其适合在困难山区或潜在危险地区的滑坡遥感动态监测。     

利用梯度重建的稳健多频InSAR相位解缠方法

为解决常规InSAR系统因干涉相位欠采样所导致的陡峭地区高程提取困难问题,提出一种利用多频干涉量进行相位梯度重建并实现相位解缠的处理方法。基于干涉相位的统计分布特性,研究了多频InSAR相位梯度的最大似然估计原理,针对有限观测频点情况下梯度解模糊性能对相位噪声敏感的问题,提出通过基于邻点集的局部曲面建模进行相位梯度重建的稳健算法,并从频点选择、估计区间限定等方面进一步研究了提高算法稳健性的途径。最后通过对仿真和实际DEM数据的试验,验证该方法的有效性。