[发明专利]一种滑坡点位移预测方法、预测设备及存储介质

权利要求书

1.一种滑坡点位移预测方法，其特征在于，包括以下步骤：

S1对原始降雨、库水位、滑坡累计位移时间序列数据--诱发因素原始项进行重构形成诱发因素重构项；

S2采用结合t检验的CEEMD分解方法，将诱发因素重构项分解出诱发因素高频项、诱发因素低频项和趋势项；将诱发因素原始项、诱发因素重构项、诱发因素高频项和诱发因素低频项作为周期项输入参数待选项，将趋势项作为趋势项输入参数待选项；

S3使用CEEMD分解方法将滑坡累计位移时间序列数据分解为多个IMF分量和一个残余项，将所有的IMF分量累加得到滑坡位移周期项，残余项为滑坡位移趋势项；

S4将滑坡位移周期项与周期项输入参数待选项进行相似度对比，挑选相似程度最高的两项作为周期项输入参数；将滑坡位移趋势项与趋势项输入参数待选项进行相似度对比，挑选相似程度最高的两项作为趋势项输入参数；

S5对群智能优化算法进行优选，并与SVR模型结合，对周期项输入参数进行群智能优化后的SVR预测得到周期项位移SVR预测模型的最优预测结果，对趋势项输入参数进行群智能优化后的SVR预测得到趋势项位移SVR预测模型的最优预测结果，将周期项位移SVR预测模型的最优预测结果与趋势项位移SVR预测模型的最优预测结果累加得到滑坡累计位移预测结果。

2.如权利要求1所述的滑坡点位移预测方法，其特征在于，步骤S1具体为：

将降雨时间序列数据重构为当月降雨量时间序列、前两月累计降雨量时间序列、当月与前一个月累计降雨量时间序列、当月与前两个月累计降雨量时间序列；将库水位时间序列数据重构为当月库水位时间序列、库水位月间变化时间序列、库水位两月间变化时间序列；将滑坡累计位移时间序列数据重构为前一个月位移时间序列，当月与前一个月位移时间序列。

3.如权利要求1所述的滑坡点位移预测方法，其特征在于，步骤S2包括：

S21采用CEEMD分解方法将S1中重构的各种时间序列分别分解为n个IMF分量和一个残余项：IMF₁、IMF₂...IMF_n、Residue；

S22将第m个IMF分量IMF_m与第一个IMF分量IMF₁进行t检验，若IMF_m均值与IMF₁均值的差异显著性小于阈值，则IMF₁-IMF_m-1的叠加结果为诱发因素高频序列，IMF_m-IMF_n的叠加结果为诱发因素低频序列，Residue为诱发因素趋势项，其中，1m≦n。

4.如权利要求1所述的滑坡点位移预测方法，其特征在于，步骤S4中：

将滑坡位移周期项与周期项输入参数待选项进行归一化处理，通过EDR计算各周期项输入参数待选项与滑坡位移周期项的相似程度；

将滑坡位移趋势项与趋势项输入参数待选项进行归一化处理，通过EDR计算各趋势项输入参数待选项与滑坡位移趋势项的相似程度。

5.如权利要求1所述的滑坡点位移预测方法，其特征在于，步骤S5中：

选取了麻雀优化、蜻蜓优化、鲸鱼优化、灰狼优化、蝙蝠优化、蝗虫优化六个群智能优化算法，对周期项位移SVR预测模型与趋势项位移SVR预测模型分别优化，以R²为评价指标，对优化算法进行优选。