[发明专利]一种水库库岸滑坡的位移预测方法

权利要求书

1.一种水库库岸滑坡的位移预测方法，其特征在于，所述方法包括以下步骤：

S1、获取所述滑坡的历史数据，并将所述历史数据作为训练集，所述历史数据具体为所述水库的水位、所述水库的降雨数据和所述滑坡的滑坡位移值；

S2、建立滑坡位移预测模型，并通过所述训练集对所述滑坡位移预测模型进行训练；

S3、基于训练后的所述滑坡位移预测模型进行滑坡的位移预测；

所述步骤S2中通过所述训练集对所述滑坡位移预测模型进行训练，具体包括以下分步骤：

S21、将所述训练集以年为周期进行分组得到多组的年训练数据；

S22、根据所述年训练数据的组数确定初步滑坡位移预测模型的数量；

S23、将所述初步滑坡位移预测模型从1开始进行编号，且所述编号为正整数；

S24、根据所述编号确定训练每一个所述初步滑坡位移预测模型的所述年训练数据的组数，且每一个所述初步滑坡位移预测模型对应的各组年训练数据之间不重复；

S25、对每一个所述初步滑坡位移预测模型进行训练；

基于训练后的多个所述初步滑坡位移预测模型建立最优组合模型，并将所述最优组合模型作为所述滑坡位移预测模型；

所述步骤S25具体包括以下分步骤：

S251、在所述训练集中获取预测时刻的上一时刻对应的滑坡位移值和影响因子，所述影响因子具体为库水位月平均高程、月降雨量、预测时刻前两个月累积降雨量、单月变化幅度、单月变化速率和双月变化幅度；

S252、通过所述初步滑坡位移预测模型中的变分模态分解单元将所述上一时刻对应的滑坡累积位移值分解为滑坡位移周期项、滑坡位移趋势项和滑坡位移随机项；

S253、通过所述变分模态分解单元将所述影响因子分解为周期项影响因子和随机项影响因子；

S254、将所述滑坡位移周期项、所述滑坡位移随机项、所述周期项影响因子和所述随机项影响因子输入至所述初步滑坡位移预测模型中的门控循环单元，通过所述门控循环单元得到所述预测时刻的预测滑坡位移周期项和预测滑坡位移随机项；

S255、将所述滑坡位移趋势项输入到所述初步滑坡位移预测模型中的二次指数平滑法模型中并得到所述预测时刻的预测滑坡位移趋势项；

S256、将所述预测滑坡位移周期项、所述预测滑坡位移随机项和所述预测滑坡位移趋势项三者相加得到所述预测时刻的预测位移值。

2.如权利要求1所述的水库库岸滑坡的位移预测方法，其特征在于，所述步骤S256具体还包括以下分步骤：

S2561、通过判定系数和均方根误差确定出对所述预测滑坡位移周期项预测结果最优的初步滑坡位移预测模型，并将其作为第一初步滑坡位移预测模型，通过判定系数和均方根误差确定出对所述预测滑坡位移随机项预测结果最优的初步滑坡位移预测模型，并将其作为第二初步滑坡位移预测模型；

S2562、将所述第一初步滑坡位移预测模型和所述第二初步滑坡位移预测模型组合在一起作为所述最优组合模型，并将所述最优组合模型作为所述滑坡位移预测模型。

3.如权利要求1所述的水库库岸滑坡的位移预测方法，其特征在于，所述滑坡位移预测模型进行预测训练是序贯预测，所述序贯预测为每次预测时只对当前预测时刻进行预测，并且在所述当前预测时刻有实际监测位移值时，将该实际监测位移值纳入所述训练集中进行下一个预测时刻的预测。

4.如权利要求2所述的水库库岸滑坡的位移预测方法，其特征在于，所述步骤S3具体包括以下分步骤：

S31、获取实际预测时刻的上一时刻对应的滑坡累积位移值和影响因子；

S32、通过所述滑坡位移预测模型中的变分模态分解单元将所述实际预测时刻的上一时刻对应的滑坡累积位移值分解为滑坡位移周期项、滑坡位移趋势项和滑坡位移随机项；

S33、通过所述滑坡位移预测模型中的第一初步滑坡位移预测模型、影响因子和所述实际预测时刻的上一时刻对应的滑坡位移周期项对所述实际预测时刻的滑坡位移周期项进行预测；

S34、通过所述滑坡位移预测模型中的第二初步滑坡位移预测模型、影响因子和所述实际预测时刻的上一时刻对应的滑坡位移随机项对所述实际预测时刻的滑坡位移随机项进行预测；

S35、通过所述滑坡位移预测模型中的二次指数平滑法模型和所述实际预测时刻的上一时刻对应的滑坡位移趋势项对所述实际预测时刻的滑坡位移趋势项进行预测；

S36、将预测得到的所述实际预测时刻的滑坡位移周期项、所述实际时刻的滑坡位移随机项和所述实际时刻的滑坡位移趋势项三者相加作为所述实际预测时刻的位移预测值。