一种基于EEMD-RFR的水库滑坡台阶状位移预测模型

水库滑坡的位移与周期性的库水波动和季节性降雨等诱发因素关系密切,由于库水位升降和降雨的作用,滑坡累计位移变形曲线呈明显的"台阶状",准确、及时地预测此类台阶状位移对提升该变形的认识具有重要意义。为深入了解诱发因素对水库滑坡位移的影响,预测其变形演化趋势,本研究提出了一种基于集合经验模态分解(EEMD)和随机森林回归模型(RFR)的滑坡位移预测模型。以水库滑坡——三峡库区白家包滑坡2007年4月至2018年12月的变形数据为例,进行"台阶状"位移的预测与模型检验。通过EEMD方法将累计位移分解为趋势项和周期项,其中趋势项采取最小二乘法的三次多项式拟合;周期项基于诱发因素组合和滑坡位移的响应变化,建立RFR模型进行预测。根据时间序列加法,将趋势项和周期项预测值叠加,获得总位移预测值。结果表明EEMD-RFR模型基本反映了滑坡累计位移的"台阶状"变化趋势,相关系数R达到0.997。通过与两种BP神经网络预测方法的对比,反映EEMD-RFR模型具有更好的预测效果。本研究为水库滑坡台阶状位移预测提供了一种有效的新方法,对了解水库滑坡长期变形具有一定意义。