指数平滑法预测滑坡变形的适用性探讨

为弄清滑坡变形预测中指数平滑法的适用情形,探讨了该法对三峡库区两种典型滑坡位移曲线--台阶型位移变形曲线和波动型位移变形曲线趋势预测的适用性。研究结果表明,对于台阶型位移变形曲线,在变形增量由大变小的转折点处,预测值曲线形成尖峰形状,使得预测值估计偏大,而其它阶段误差值相对较小;对于波动型位移变形曲线,指数平滑法具有相当的滞后性,滞后时间与选取的预测时间间隔大致一致,表现出较差的适应性。      

离散卡尔曼滤波法在滑坡变形预测中的应用

讨论了树坪滑坡的基本特征及其形成机制,介绍该滑坡的监测系统。变形监测表明树坪滑坡的变形主要与滑坡体的地形地貌及土层结构有关,而大气降雨及三峡水库库水位的影响是导致树坪滑坡产生变形的外界因素。使用泰勒级数建立滑坡变形与时间的函数关系,并将泰勒级数的余项及时间变化的2次方及3次方的系数变化量看作数学期望为零的动态噪声,建立卡尔曼滤波模型,应用于滑坡变形的预测预报。算例计算结果表明卡尔曼滤波模型的拟合效果和预测效果良好。     

GM-ENN组合模型在滑坡变形预测中的应用

针对以往滑坡变形预测模型实用性不足的情况,从系统论观点和时序分析原理出发,将滑坡位移时序分解为趋势项和偏离项。通过灰色系统模型提取位移时序的趋势项,采用进化神经网络模拟位移时序偏离项之间的复杂非线性关系,建立起GM-ENN组合模型进行滑坡变形预测研究。并将此组合模型应用于三峡库区白水河滑坡的变形预测研究中。研究结果表明：该组合模型具有较强的建模能力、较高的精度,可用于相关的工程实践之中,具有一定的理论研究与实际应用价值。     

指数平滑法-马尔科夫模型在巢湖水质预测中的应用

水质预测是水环境管理的重要内容,对工农业生产具有较好的指导意义。以巢湖为例,针对水质变化的随机性,应用指数平滑法-马尔科夫预测法,对合肥湖滨与巢湖裕溪口两大断面2001-2010年的CODMn、TP、TN数据进行指数平滑处理,预测2011-2013年水质,发现未来几年需要注意TN以及东半湖CODMn的变化,这对宏观上把握水质变化趋势以及污染因子的动态有一定的指导意义,同时也发现指数平滑与马尔科夫预测的结果是一致的,将两者结合,可较好的运用于水质预测中。     

小波和混沌神经网络在大坝变形预测中的应用

大坝是复杂的变形系统,其变形表现为动态非线性,也存在混沌现象。为充分利用大坝变形监测位移时间序列,实现位移单变量情况下的准确预测,提出了一种小波和混沌神经网络预测新方法,首先对大坝位移变形监测数据进行小波分解,其次对分解后的平滑信号进行傅里叶函数拟合预测,再对细节信号进行软阈值去噪和混沌神经网络预测,最后将预测信号进行小波重构。通过工程实例对比分析了小波和混沌神经网络预测新方法、神经网络模型、多元回归模型在大坝位移变形预测中的精度。结果表明,小波和混沌神经网络预测方法的预测精度最高,可以应用于大坝变形预测。     

遗传小波神经网络在大坝变形预测中的应用

针对传统的数学统计模型无法完全描述大坝变形量与多种荷载因素之间非线性映射关系的缺点,引入了一种基于遗传算法的小波神经网络模型,利用该模型对小波神经网络的初始权值、尺度因子进行全局优化搜索,克服了BP神经网络初始化的随机性以及网络易陷入局部极小值的不足,将该模型运用于大坝坝顶的径向、切向位移预测,结果表明,遗传算法优化的小波神经网络模型结构稳定性更好,预测精度较BP神经网络模型、小波神经网络模型有较大提高。     

赋权指数平滑模型在城市日用水量预测中的应用

提出了一种新的用水量预测模型--赋权指数平滑模型,将其应用到城市日用水量预测中,预测结果具有很高的精度,平均绝对误差MAPE达到0.596%.比较发现赋权指数平滑模型得到的均方差与平均绝对误差均小于其他方法,进一步证实赋权指数平滑模型具有较高的预测精度,适用于日用水量的预测.     

综合图形权值法在滑坡变形预测中的应用研究

为提高滑坡变形的预测精度,首先采用卡尔曼滤波对滑坡的变形数据进行去噪处理,分离出趋势项和误差项,再利用多种单项预测模型对趋势项进行预测,最后利用综合图形法确定组合权值,实现趋势项的组合预测;其次,利用神经网络模型对误差项进行预测,进而得到滑坡变形的预测值。结果表明:半参数卡尔曼滤波的效果最优,并通过组合预测有效地提高了预测精度,达到了对滑坡变形高精度及高稳定性预测的目的,验证了该预测模型的可行性和有效性。     

指数平滑法在典型城市GDP预测中的应用

首先论述了指数平滑法的预测模型,以及初始平滑值和平滑系数选取的原则。在此基础上,运用二次指数平滑法对新密市2008年城市GDP进行了预测,预测结果表明该法适宜于短期预测。最后对特定条件下平滑系数的选择进行了推理分析。     

小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。     

台子上滑坡深部位移监测及成因研究

分析了台子上滑坡深部位移监测成果和滑坡影响因素的敏感性,在此基础上探讨了滑坡成因。分析认为：滑坡发育的基本条件有软硬相间的有利地层结构、有利的地质构造条件等;滑坡发育的诱发因素有降雨、前缘江水的冲蚀及人类活动等。     

WA-BT-ELM耦合模型在黄土滑坡位移预测中的应用

黄土滑坡的变形演化过程往往受到多种因素的影响,呈现出非线性特征。基于小波分析函数(Wavelet Analysis,WA)、提升回归树(Boosting Regression Tree,BT),以及极限训练机(Extreme Learning Machine,ELM)方法,提出一种名为WA-BT-ELM的黄土滑坡位移预测新方法。该方法将非线性位移数据作为一时间序列,运用小波分析函数将监测点累积位移曲线分解为若干子小波;随后使用提升回归树对所有子小波进行重要度分析,剔除相关性不高的子小波以去掉冗杂信息;最后运用极限训练机,结合筛选得到的子小波对滑坡位移进行预测分析。基于该模型对甘肃省永靖县黑方台滑坡区的滑坡位移监测数据进行预测,得到了优于ANN,BPNN,SVM,ELM,以及WA-ELM预测模型的结果,故认为WA-BT-ELM模型是一种有效的黄土滑坡位移预测方法。     

基于Pearson相关性检验的ARIMA边坡位移监测模型

在运用传统ARIMA预测模型的基础上,引入Pearson相关性检验,定量分析了空间上不同测点位移之间的相关性,判断了被监测区域在空间上是否有整体位移或者局部位移的趋势,以便能对被监测区域空间整体的位移性态进行更全面地掌握。实例分析表明,该模型的预测能力较好,能较准确地预测边坡位移,并能有效辨别边坡整体位移情况及稳定状态。     

基于经验模态分解和LSTM模型的滑坡位移预测

建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性。鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动态预测。首先选用经验模态分解法(EMD)将滑坡累积位移分解成趋势项和周期项,然后利用多项式函数预测趋势项位移;再利用动态LSTM模型预测周期项位移;最后将各分量位移累加得到最终的模型计算值。结果表明:LSTM模型预测结果的均方根误差为17.07 mm,相关性系数达0.999,具有较高的预测精度,为"阶梯状"滑坡位移的预测提供了一种可行的思路。     

水库滑坡位移与水动力耦合预测参数及其评价方法研究

针对库水涨落诱发滑坡致灾机理,在系统分析水库边坡位移与库水位变化规律及其相互作用关系的基础上,运用弹塑性力学基本原理,提出了以库水位下降引起的边坡下滑动力增量作为边坡的加载动力参数,以相应边坡位移变化量作为边坡位移响应参数,以此确定水库边坡库水动力增载位移响应比参数并建立预测模型。运用动力增载位移响应比预测模型对三峡库区典型水库滑坡-黄土坡滑坡关键部位监测点进行了动力增载位移响应比计算,并采用Geostudio软件对该滑坡稳定性进行了数值模拟分析。该滑坡的位移响应特征与稳定性演化规律表明,该滑坡关键变形部位的动力增载位移响应比参数变化规律与其实际位移与稳定性演化规律基本吻合。研究结果表明了动力增载位移响应比参数是水库滑坡有效的位移动力评价参数,可运用该参数及其评价方法对水库滑坡进行稳定性分析与评价。     

应用不同去噪方法及分形理论判断滑坡变形趋势

为达到准确判断滑坡变形趋势的目的,首先采用多种去噪方法对滑坡变形数据进行去噪处理,分离滑坡变形的趋势项和误差项数据,并采用分形理论对各序列的变形趋势进行判断和对比研究;然后,再利用神经网络对滑坡变形进行预测以验证滑坡变形趋势判断的准确性。结果表明:不同去噪方法的去噪效果具有较大的差异,其中半参数卡尔曼滤波的去噪效果最优,且滑坡具有变形加剧,稳定性减弱的趋势;同时,对比趋势判断变形预测结果,两者的一致性较好,证明了滑坡变形趋势判断的准确性。研究成果可为滑坡的变形趋势判断提供一种新思路。     

基于MATLAB的Elman神经网络在大坝位移预测中的应用

根据MATLAB的Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了一种利用：Elman神经网络建立大坝位移预报模型的方法。通过实例比较Elman模型与BP模型的预测效果,结果表明,所建立Elman神经网络模型不仅收敛速度快,且其预测精度高于BP网络模型。利用MATLAB神经网络工具箱能使工作者从繁琐的编程中解脱出来,有效的提高工作效率。