[发明专利]滑坡位移预测方法、设备及存储介质

权利要求书

1.一种滑坡位移预测方法，其特征在于，包括以下步骤：

S1获取预设时间内滑坡变形诱发因素和滑坡位移的历史监测数据作为样本；

S2在(0，1)区间上间隔取m个分位数τ，根据样本建立m个神经网络分位数回归基学习器，建立神经网络分位数回归模型，将滑坡变形诱发因素的取值代入，得到m个神经网络分位数回归基学习器的滑坡位移预测结果y；

S3对各分位点处的条件分位数预测结果利用核密度估计法进行密度估计，得到滑坡位移预测结果的概率分布函数p(y)；

S4以所述概率分布函数p(y)作为权重，通过加权平均得到所述滑坡位移的最终组合预测值，表达式为：

式中：m为分位点的个数，y_i为第i个分位数样本点对应的预测结果，p_i为第i个分位数样本点对应的预测结果的概率分布值；

步骤S2中，建立神经网络分位数回归模型包括以下步骤：

S21考虑包含一个有J个节点的隐含层的三层神经网络，以滑坡变形诱发因素作为输入，以滑坡位移的分位数预测作为输出，建立神经网络分位数回归模型，在第τ分位点处，计算隐含层第j个节点值，表达式为：

式中，Wij为第τ分位点处隐含层权重向量，bj为第τ分位点处隐含层偏移向量，h为隐含层转换函数；

S22计算输出层节点值，表达式为：

式中，Wj为第τ分位点处输出层权重向量，b(O)为第τ分位点出输出层偏移向量，f为输出层转换函数。

2.如权利要求1所述的滑坡位移预测方法，其特征在于，步骤S3中，在得到条件分位数预测结果之后，利用Epanechnikov核密度估计法得到m个基学习器的预测结果对应的概率分布值，Epanechnikov核函数表达式为：

式中：h为带宽，y为各个神经网络分位数对应的预测结果，i为取第i个分位数样本点，yi为第i个分位数样本点对应的预测结果。

3.如权利要求1所述的滑坡位移预测方法，其特征在于，在步骤S1之后，还包括：

对所述样本进行数据预处理。

4.如权利要求3所述的滑坡位移预测方法，其特征在于，所述数据预处理包括异常数据判别与剔除、缺失数据补充、数据等时距处理中的一种或多种。

5.如权利要求1所述的滑坡位移预测方法，其特征在于，所述滑坡变形诱发因素包括前一个月的降雨强度、前两个月的降雨强度、当月平均库水位和当月库水位变化，前一个月的位移、前两个月的位移，和前三个月的位移中的一种或多种。

6.一种滑坡位移预测设备，其特征在于，所述滑坡位移预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滑坡位移预测程序，所述滑坡位移预测程序被所述处理器执行时实现如权利要求1至5中任一项所述的滑坡位移预测方法的步骤。

7.一种存储介质，其特征在于，所述存储介质上存储有滑坡位移预测程序，所述滑坡位移预测程序被处理器执行时实现如权利要求1至5中任一项所述的滑坡位移预测方法的步骤。