[发明专利]一种滑坡位移预测方法

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：

对滑坡地表位移变形进行监测，并对得到的滑坡位移数据进行异常值替换处理和归一化处理；

利用MA算法计算出实际趋势位移，并基于构建的多项式模型计算出对应的预测趋势位移；

利用所述滑坡位移数据减去所述实际趋势位移，并基于得到的实际周期位移利用LSTM模型计算出对应的预测周期位移；

分别对所述预测趋势位移与所述预测周期位移进行反标准归一化处理，并对处理后的所述预测趋势位移与所述预测周期位移进行求和，得到预测累积位移，完成滑坡位移预测。

2.如权利要求1所述的滑坡位移预测方法，其特征在于，利用MA算法计算出实际趋势位移，并基于构建的多项式模型计算出对应的预测趋势位移，包括：

基于获得的所述滑坡位移数据，利用MA算法计算出对应的实际趋势位移；

将所述实际趋势位移及对应的序号输入多项式中，并将得到的多项式结果与对应的所述实际趋势位移进行比较，同时，根据所述多项式结果与所述实际趋势位移的差值调整所述多项式中的常数值，直至所有的所述实际趋势位移输入完成，得到对应的多项式模型；

基于所述多项式模型，将对应的所述实际趋势位移输入所述多项式模型，多项式模型多项式模型得到所述预测趋势位移。

3.如权利要求1所述的滑坡位移预测方法，其特征在于，利用所述滑坡位移数据减去所述实际趋势位移，并基于得到的实际周期位移利用LSTM模型计算出对应的预测周期位移，包括：

利用所述滑坡位移数据减去对应的所述实际趋势位移，得到实际周期位移；

将获取的环境信息数据和所述实际周期位移数据按设定的比例分为训练集、验证集、测试集；

利用所述训练集和所述验证集对LSTM模型进行训练和参数调整；

利用所述测试集对调整参数后的所述LSTM模型进行测试，得到预测周期位移。

4.如权利要求3所述的滑坡位移预测方法，其特征在于，利用所述训练集和所述验证集对LSTM模型进行训练和参数调整，包括：

基于所述训练集中的所述环境信息数据，得到对应的遗忘门、输入门、输出门、输出数据、单元状态和单位备选状态；

计算对应的所述实际周期数据与所述输出数据的差值，并将所述差值求和后，利用得到的误差项合集分别对对应的权重和偏置进行求导，并利用得到的导数减去所述导数与学习率的乘积，获得新的所述权重和偏置，其中，所述权重和偏置包括遗忘门权重、输入门权重、输出门权重、备选权重、遗忘门偏置、输入门偏置、输出门偏置、备选偏置；

循环迭代至达到设定次数或者所述误差项合集小于设定值，完成模型训练；

利用所述验证集对训练后的所述LSTM模型进行验证，并调整所述学习率。

5.如权利要求4所述的滑坡位移预测方法，其特征在于，分别对所述预测趋势位移与所述预测周期位移进行反标准归一化处理，并对处理后的所述预测趋势位移与所述预测周期位移进行求和，得到预测累积位移，完成滑坡位移预测，包括：

结合所述滑坡位移数据中的两个极值，分别对所述预测趋势位移与所述预测周期位移进行反标准归一化处理；

将反标准归一化后的所述预测趋势位移与所述预测周期位移求和，得到预测累积位移，完成滑坡位移预测，其中，两个所述极值为将所有的所述滑坡位移数据按照升序排列时，排在第一和末位的所述滑坡位移数据。