[发明专利]一种水库库岸滑坡的位移预测方法

说明书

本发明公开了一种水库库岸滑坡的位移预测方法，获取滑坡的历史数据，将该历史数据作为训练集，该历史数据具体为水库的水位、水库所在地的降雨数据和滑坡的滑坡的位移观测值，然后建立滑坡位移预测模型，通过训练集对滑坡位移预测模型进行训练，再基于训练后的滑坡位移预测模型进行库岸滑坡位移预测，滑坡位移预测模型在进行预测时，会将上一时刻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，将影响因子进行分解并和滑坡位移周期项、滑坡位移趋势项和滑坡位移随机项输入滑坡位移预测模型中得到预测时刻的滑坡位移趋势项、滑坡位移周期项和滑坡位移随机项，并将其相加即为预测时刻的滑坡累积位移，实现了滑坡位移的预测。

技术领域

本发明属于位移预测技术领域，具体涉及一种水库库岸滑坡的位移预测方法。

背景技术

在水库建成之后，库区因长年降雨和水库蓄水周期调度，导致库岸滑坡的稳定性发生剧烈变化，而库岸滑坡的变形演化是一个复杂的非线性过程，滑坡发生滑坡时容易对人身安全造成重大伤害。因此，如何对水库库岸滑坡的滑坡位移进行准确预测，是本领域技术人员有待解决的技术问题。

发明内容

本发明的目的是为了对水库库岸滑坡的滑坡位移进行准确预测，提出了一种水库库岸滑坡滑坡的位移预测方法。

本发明的技术方案为一种水库库岸滑坡的位移预测方法，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。

进一步地，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；

S26、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。

进一步地，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；