[发明专利]一种岸坡变形预测方法

权利要求书

1.一种岸坡变形预测方法，其特征在于，包括以下步骤：

步骤1：收集岸坡位移监测数据，将位移总量按照各变形影响因素作用形式分解为不同的响应成分，由于斜坡位移的产生是受坡体自身地质结构条件控制以及外界诱发因素共同作用的结果，把位移分为如下四项，并可以用下列模型表示：

A_t＝t_t+c_t+s_t+ε_t

式中：t_t、c_t、s_t、ε_t分别为具有确定性的趋势项、周期项、脉动项和不确定的随机变量；

步骤2：位移时间序列分解；采用滑动平均法进行位移分解，将总位移中的趋势项剔除，它是一种滤波的数据处理方法，以多点线性滑动平均法为依托，剔除时间序列的“不稳定”成分，求出序列y₁，y₂，…y_n的几个前期平均值和后期平均值，从而构建出一个新的序列，而这个新序列是比较光滑的；其数学表达式为：

若k＝1，为3点滑动平均；k＝2，为5点滑动平均，依次类推；这样所得的f_t的随机起伏比原来数据减小了，使得曲线更加平滑，因此称为平滑数据；同时，取其残差为：

e_t＝y_t-f_t

滑动平均后，滤掉数据中频繁随机起伏，显示出平滑的变化趋势，随机误差的变化过程，即趋势项的偏离量，因而得到滑坡周期项位移，周期项位移是受多个影响因素共同作用的复杂非线性序列；

步骤3：用灰色GM(l,1)模型提取趋势项位移，BP神经网络模型分析受库水加载或降雨作用诱发的偏离量位移，最后，将趋势项及周期项位移预测值叠加即可得到滑坡总位移预测值。

2.根据权利要求1所述的方法，其特征在于：采用所述BP神经网络模型分析受库水加载或降雨作用诱发的偏离量位移，其具体步骤如下：

一个典型的BP神经网络由三层构成，即输入层、隐含层和输出层，各层之间实现全连接；各层由若干个神经元节点组成，每一个神经元节点的输出值由输入值、作用函数和阈值决定，原理如下：

1)、设网络输入样本模式为：

A_i＝(x_i1,x_i2,…,x_in) (i＝1,2,…,m)

式中：m为学习模式对数，n为输入层单元个数；

2)、对应的输出向量为：

B_i＝(y_i1,y_i2,…,y_ik) (i＝1,2,…,m)

式中：m与输入模式对应的输出模式数，k为输入层单元个数；

3)、计算隐含层各单元的输入：

其中：w_ij为输入层至中间层的连续权；θ_aj为隐函数单元的阈值，j为隐含层的神经元数；

4)、以S_j作为自变量通过下列函数计算隐含层各单元的输出：

(S型函数)

(tangsig函数)

5)、信息从输入层流向输出层，计算输出层单元的输入、输出：

Y_i＝f(L_i)

式中：Y_i为输出层的输出，v_ji为中间层至输出层连接权；γ_i为输出层单元阈值；f()为S的函数；

6)、依据误差的大小自动调节输出层、隐含层和输出层之间的连接权和阈值，反复训练，直到使网络的全局误差趋于极小值E；

当E小于某一预测精度要求后，表明该网络已经学好了，就可以根据新的输入值对岸坡变形进行预测了。