版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、滑坡是位于中國長江上游的三峽庫區(qū)最重要的地質(zhì)災(zāi)害之一。三峽庫區(qū)特殊的多山地形,三峽水庫蓄水引起的水位波動和雨水滲入使得滑坡災(zāi)害成為庫區(qū)嚴(yán)重的地質(zhì)環(huán)境問題。由于位于長江兩岸山脈上的大部分耕地都集中在老滑坡帶,滑坡災(zāi)害常常導(dǎo)致大量的人員傷亡和財產(chǎn)損失,甚至影響到長江三峽移民工程的實(shí)施。為了降低滑坡帶來的危害,加強(qiáng)滑坡監(jiān)測和預(yù)測是十分必要的?;率且环N大面積的地面運(yùn)動現(xiàn)象,巖石崩落,斜坡體的深度破壞和淺泥石流等都屬于滑坡的范疇?;卵莼^程被
2、認(rèn)為是一個復(fù)雜的非線性系統(tǒng)。它主要是由滑坡體內(nèi)在的能量和斜坡自身的約束條件所決定,但同時也受到復(fù)雜多變的外部自然環(huán)境因素的影響。例如強(qiáng)降雨,晝夜溫差,河流侵蝕,雨雪融化,地震和人類活動。利用傳統(tǒng)的線性方法已經(jīng)難以描述這些復(fù)雜環(huán)境因素和滑坡體演化之間的關(guān)系。因此我們嘗試?yán)孟冗M(jìn)的計算智能方法,例如人工神經(jīng)網(wǎng)絡(luò)(ANNs),作為工具研究滑坡預(yù)測問題。本研究主要內(nèi)容包括:
?、艑挛灰茊螘r間序列進(jìn)行了研究,基于”分解與集成”的預(yù)測思
3、想,提出了一種改進(jìn)的基于集成經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)和極限學(xué)習(xí)機(jī)(ELM)的M-EEMD-ELM模型。首先利用EEMD將非線性的滑坡位移監(jiān)測序列分解為一系列本征模函數(shù)(IMFs)和一個殘余項(xiàng)函數(shù)。然后對除最高頻IMF外的其他分解得到的子序列建立ELM預(yù)測模型。最后通過簡單求和將ELM預(yù)測器對各個子序列的預(yù)測結(jié)果集成為最終的滑坡位移序列預(yù)測結(jié)果。以三峽庫區(qū)白水河滑坡為例驗(yàn)證了預(yù)測方法的有效性,結(jié)果顯示在同樣的實(shí)驗(yàn)條件下,本文提出的M-EE
4、MD-ELM預(yù)測模型能夠獲得比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型和EEMD-ELM模型更高的預(yù)測性能。
?、茖ν饨绛h(huán)境因素,降雨和庫水位變化,與滑坡演化之間的關(guān)系進(jìn)行了研究。利用EEMD分解將降雨序列,庫水位序列和滑坡位移序列各自分解為一系列從高到底不同頻率的IMFs。并利用ELM神經(jīng)網(wǎng)絡(luò)模型建立降雨和庫水位子序列同滑坡位移子序列間的關(guān)系。對各個滑坡位移子序列建立ELM預(yù)測模型分別預(yù)測,最終的預(yù)測結(jié)果為各個子ELM預(yù)測模型預(yù)測結(jié)果的集成。以
5、三峽庫區(qū)白水河滑坡為實(shí)例驗(yàn)證了本文提出的EEMD-ELM預(yù)測方法比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有更高的預(yù)測精度。
?、菍⒘炕A(yù)測不確定性引入傳統(tǒng)的滑坡位移預(yù)測研究中,提出了一個新的基于隨機(jī)權(quán)值神經(jīng)網(wǎng)絡(luò)的滑坡位移預(yù)測模型。傳統(tǒng)的滑坡位移預(yù)測模型預(yù)測都是確定性的點(diǎn)預(yù)測,而我們研究的目標(biāo)是構(gòu)建預(yù)測區(qū)間(PIs)的區(qū)間預(yù)測模型。本文采用一種新的神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測區(qū)間的方法,上界下界估計(LUBE),來建立預(yù)測模型。不同于傳統(tǒng)的LUBE方法,本
6、文提出的隨機(jī)權(quán)值單隱層前饋神經(jīng)網(wǎng)絡(luò)中的隱層權(quán)值和偏置能夠隨機(jī)選擇,而只有輸出權(quán)值需要調(diào)節(jié)。利用粒子群優(yōu)化(PSO)和萬有引力搜索(GSA)的混雜算法PSOGSA來優(yōu)化輸出權(quán)值。同時針對改進(jìn)的LUBE算法提出了一個新的神經(jīng)網(wǎng)絡(luò)目標(biāo)函數(shù),該目標(biāo)函數(shù)由改進(jìn)的組合覆蓋寬度標(biāo)準(zhǔn)(CWC)和一個一范數(shù)正則化項(xiàng)組成。為了驗(yàn)證提出方法的有效性,本文對兩組標(biāo)桿數(shù)據(jù)集和一組三峽庫區(qū)典型滑坡實(shí)例數(shù)據(jù)集進(jìn)行了實(shí)例分析。實(shí)驗(yàn)結(jié)果顯示本文提出的方法能夠比傳統(tǒng)的方法
7、構(gòu)建更加優(yōu)質(zhì)的PIs。
?、壤脗鹘y(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型常常對滑坡位移突變點(diǎn)難以實(shí)現(xiàn)有效的預(yù)測,這主要是由于訓(xùn)練樣本中滑坡位移突變這種小概率事件樣本的匱乏。為了克服這個問題,提出了一種將傳統(tǒng)的回歸預(yù)測問題轉(zhuǎn)化為分類預(yù)測問題的方法。通過利用K均值聚類分析滑坡位移變化量,將滑坡演化分為兩類:滑坡平穩(wěn)演化階段和滑坡位移突變階段。由于滑坡位移突變是一種小概率事件,因此滑坡位移分類實(shí)質(zhì)上是一種不平衡數(shù)據(jù)分類問題。為了克服數(shù)據(jù)的不平衡分布問題
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 58585.基于gis的滑坡災(zāi)變智能預(yù)測系統(tǒng)及應(yīng)用研究
- 滑坡災(zāi)變預(yù)測與安全保障新技術(shù)(張永興 )
- 51797.滑坡災(zāi)變過程時空預(yù)測理論模型及應(yīng)用
- 基于極限學(xué)習(xí)機(jī)的風(fēng)電功率預(yù)測研究.pdf
- 基于極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測.pdf
- 基于云-BIM的重大工程信息集成系統(tǒng)研究.pdf
- 30799.重大突發(fā)性滑坡災(zāi)害預(yù)測預(yù)報研究
- 基于全矢極限學(xué)習(xí)機(jī)的軸承故障預(yù)測研究.pdf
- 基于極限學(xué)習(xí)機(jī)的轉(zhuǎn)爐煉鋼終點(diǎn)預(yù)測模型研究.pdf
- 國家重大工程品牌展
- 國家重大工程建設(shè)榜
- 重大工程項(xiàng)目決策機(jī)制研究.pdf
- 基于云bim的重大工程信息集成系統(tǒng)研究(1)
- 基于優(yōu)化的核極限學(xué)習(xí)機(jī)在負(fù)荷預(yù)測中的研究.pdf
- 基于改進(jìn)的極限學(xué)習(xí)機(jī)短時交通流預(yù)測模型研究.pdf
- 基于極限學(xué)習(xí)機(jī)的變壓器故障預(yù)測方法研究.pdf
- 基于三峽工程的重大工程項(xiàng)目投資控制機(jī)制研究.pdf
- 城市重大工程引發(fā)的社會抗?fàn)幨录芯?pdf
- 基于極限學(xué)習(xí)機(jī)的設(shè)備故障預(yù)測方法及應(yīng)用研究.pdf
- 重大工程場地地震動輸入?yún)?shù)研究.pdf
評論
0/150
提交評論