[发明专利]基于多种算法组合的滑坡位移预测方法

权利要求书

1.一种基于多种算法组合的滑坡位移预测方法，其特征在于，包括以下步骤：

步骤一：对滑坡累计位移Y_t进行数据采集；

步骤二：基于DES计算模型，预测累计位移Y_t中的趋势位移分量T_t；

步骤三：从累计位移Y_t中减去DES计算模型预测的趋势位移分量T_t，得到周期位移P_t，然后用VMD模态分解和信号处理方法将周期位移P_t分解为K个IMF分量和一个噪声分量；

步骤四：建立LSTM模型预测各IMF分量和噪声分量，并通过最大信息系数MIC筛选LSTM模型的输入特征；

步骤五：将所有IMF分量和噪声分量的预测结果相加，得到周期位移P_t的预测结果，然后将预测结果与趋势位移分量T_t相加，得到总位移的预测结果。

2.根据权利要求1所述的基于多种算法组合的滑坡位移预测方法，其特征在于：所述步骤二中，DES计算模型通过公式(1)预测累计位移Y_t中的趋势位移分量T_t；

公式(1)中，S_t表示时间序列t的稳定分量；b_t表示时间序列t的趋势分量；Y_t是时间t的观测值；α和β是区间[1，0]内的平滑参数；T_t+m是时间t+m的预测值，其中m＝1。

3.根据权利要求1所述的基于多种算法组合的滑坡位移预测方法，其特征在于：所述步骤三中，VMD模态分解和信号处理方法通过公式(2)-公式(6)将周期位移P_t分解为K个IMF分量和一个噪声分量；

其中，K是指定模态分解的数量，{u_k}＝{u₁，u₂，…，u_K}和{w_K}＝{w₁，w₂，…，w_K}是分解后的K模态分量IMF及其相应的中心频率，δ(t)是狄拉克δ函数；

为求解公式(2)，引入拉格朗日乘法算子λ，将约束变分问题转化为无约束变分问题，增广拉格朗日表达式如下：

其中，α为二次惩罚因子，采用交替方向乘子迭代算法，结合Parseval/Plancherel和傅里叶等距离变换，通过交替优化迭代得到u_k、w_k和λ；表达方式如下：

公式(6)中，γ为噪声容限，和分别对应于u_i(t)，Y(t)和λ(t)的傅里叶变换。