| 174 | 0 | 7 |
| 下载次数 | 被引频次 | 阅读次数 |
山体滑坡表面位移的预测可以帮助预估新的潜在滑裂面，避免造成更加严重的危害。本文针对芷江县禾梨坳乡大沙界村牛塘坳组滑坡单方向表面位移数据进行建模研究，提出一种基于变分模态分解的时间序列预测框架VMD-SegSigmoid-XGBoost-ClusterLSTM，可较准确地预测滑坡表面位移。该模型在数据集上表现较好，除去较难拟合的残差项子序列，趋势项子序列和周期项子序列的均方根误差和平均绝对百分比误差均小于0.1，其中XGBoost周期项预测模块的均方根误差低至0.006。
Abstract：Predicting the surface displacement of mountain landslides can help predict new potential sliding surfaces and avoid causing more serious harm.This article conducts modeling research on the one-way surface displacement data of landslides in Niutangao Formation, Dashajie Village, Heliao Township, Zhijiang County, and proposes a time series prediction framework based on variational mode decomposition, VMD-SegSigmoid-XGBoost-ClusterLSTM,which can accurately predict the surface displacement of landslides.The model performs well in the data set,the rootmean-square deviation and average absolute percentage error of trend subsequence and periodic subsequence are both less than 0.1,except for the residual subsequence that is difficult to fit,the root-mean-square deviation of XGBoost periodic prediction module is as low as 0.006.
[1]谢国军，孙多国.湖南省芷江县大沙界滑坡成因机制分析及防治建议[J].现代矿业，2020,36(5):224-227.
[2]伏明星，罗海军.基于测斜仪山体滑坡变形监测的数据处理与分析[J].测绘与空间地理信息，2022,45(8):220-222+225.
[3]张明岳，李丽敏，温宗周.基于变分模态分解和双向长短时记忆神经网络模型的滑坡位移预测[J].山地学报，2021,39(6):855-866.
[4]罗袆沅，蒋亚楠，许强，等.基于最优分解模态和GRU模型的库岸滑坡位移预测研究[J].武汉大学学报（信息科学版），2023,48(05):702-709.
[5]刘刚，叶立新，陈麒玉，等.基于多传感器信息融合的城市边坡监测数据异常事件检测[J].地质科技通报，2022,41(02):13-25.
[6]姜宇航，王伟，邹丽芳，等.基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究[J].岩土力学，2022,43(S1):601-612.
[7]王朝阳，李丽敏，温宗周，等.基于时间序列和CNNLSTM的滑坡位移动态预测[J].国外电子测量技术，2022,41(3):1-8.
[8]马飞燕，李向新.基于改进麻雀搜索算法-核极限学习机耦合算法的滑坡位移预测模型[J].科学技术与工程，2022,22(5):1786-1793.
[9]成睿，李素敏，毛嘉骐，等.基于时序InSAR监测的VMD-SSA-LSTM矿区地表形变预测模型研究[J].化工矿物与加工，2023,52(8):39-46.
[10]孙晓云，段绰，王明明，等.基于VMD模型和BSAKELM模型的高陡边坡位移预测模型研究[J].中国矿业，2022,31(2):78-85.
[11]胡鹏，文章，胡新丽，等.基于遗传算法-支持向量机的滑坡渗透系数反演[J].水文地质工程地质，2021,48(4):160-168.
[12]胡杨，张紫昭，林世河.基于证据权与逻辑回归耦合的新疆伊犁河谷地区滑坡易发性评价[J].工程地质学报，2023,31(4):1350-1363.
[13]方然可，刘艳辉，苏永超，等.基于逻辑回归的四川青川县区域滑坡灾害预警模型[J].水文地质工程地质，2021,48(1):181-187.
[14]尚敏，熊德兵，张惠强，等.基于时间序列与混合核函数SA-SVR的滑坡位移预测模型研究[J].工程地质学报，2022,30(2):575-588.
[15]张潇远，苏巧梅，赵财胜，等.一种利用贝叶斯算法优化XGBoost的滑坡易发性评价方法[J].测绘科学，2023,48(6):140-150.
[16]吴宏阳，周超，梁鑫，等.基于XGBoost模型的三峡库区燕山乡滑坡易发性评价与区划[J].中国地质灾害与防治学报，2023,34(5):141-152.
基本信息:
DOI：10.13774/j.cnki.kjtb.2024.09.018
中图分类号:P642.22
引用信息:
[1]李瑞晨,侯木舟,孔梦麟等.基于VMD-SegSigmoid-XGBoost-ClusterLSTM算法的山体滑坡表面位移预测[J].科技通报,2024,40(09):111-115.DOI:10.13774/j.cnki.kjtb.2024.09.018.
基金信息: