滑坡体监测数据的改进变维分形‐人工神经网络耦合预测模型

详细信息   

• 责任者：秦鹏^c浙江水利水电专科学校^d1984^e硕士 ; 张喆瑜^c水利部农村电气化研究所 ; 秦植海 ; 王维汉^c河海大学水文水资源与水利工程科学国家重点实验室
• 刊名：长江科学院院报
• 出版年：2012
• 卷期：29^b3总161
• 关键词：滑坡 ; 神经网络系统 ; 分形分析20^a监测 ; 边坡稳定性
• 页码：29～34
• 索书号：P860.6/332-1
• 图表：^c表2参16插图
• 分类号：2000
• 文摘期号：2012/10

摘要

滑坡体变形预测对滑坡灾害治理具有重要的意义。根据边坡的演化特性，在研究得到滑坡是一个非线性动态系统，其监测数据具有分形特征的基础上，利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测，并引入人工神经网络对时间序列的偏离项进行纠偏优化，从而建立滑坡体监测数据的改进变维分形‐人工神经网络(IVDF‐ANN)耦合模型，并以茅坪滑坡体的实测位移为例进行预测。预测结果证明，该模型充分利用分形理论的自相似性和人工神经网络的自学习能力，具有良好的抗噪性，对小数据量的监测数据能够达到较高的预测精度和较好的预测长度，为滑坡体安全监控预测提供了新的参考方法。