基于经验模态分解和神经网络的滑坡变形预测研究

英文篇名：Study of Landslide Deformation Prediction Based on EMD and Neural Network
中文刊名：安全与环境工程
英文刊名：Safety and Environmental Engineering
作者：刘艺梁 ; 殷坤龙 ; 汪洋 ; 王伟
英文作者：LIU Yi-liang ; YIN Kun-long ; WANG Yang ; WANG Wei(Faculty of Engineering ; China University of Geosciences ; Wuhan 430074 ; China)
中文关键词：滑坡 ; 位移预测 ; 经验模态分解 ; 神经网络
英文关键词：landslide ; displacement prediction ; empirical mode decomposition ; neural network
出版日期：2013-07-30
机构：中国地质大学工程学院;
年：2013
期：04
出版单位：安全与环境工程

摘要

受岩土体性质和多种诱发因素(降雨、地震、库水位等)的影响,滑坡的位移演化必然包含着多层次的信息,难以采用单一的灰色预测、神经网络、时间序列等模型进行有效、准确的预测。本文引入信号分析中的经验模态分解(EMD)方法,同时结合对非线性函数具有很强的逼近能力的BP神经网络,建立了滑坡变形预测的EMD-BP神经网络模型,并以三峡库区树坪滑坡为例,应用该模型对ZG88监测点的累积位移进行了预测,最后将其预测值与实际监测值以及其他模型预测结果进行了对比分析,结果表明该模型的预测值与实际监测值基本一致,且模型预测精度比单一的BP神经网络和GM(1,1)模型要高,从而验证了该模型具有一定的适用性和较高的预测精度。
Affected by the properties of rock and soil mass and various inducing factors(rainfall,earthquake,reservoir level,etc.),the evolution of landslide displacement implies multi-level information,so it is difficult to obtain accurate prediction results by a single grey forecasting method or time series method.This paper introduces the empirical mode decomposition(EMD) method from signal analysis,and meanwhile,combining BP neural network which has strong approximation for nonlinear function,establishes an EMD-BP neural network model to predict landslide deformation.Taking Shuping landslide in Three Gorges Reservoir area as an example,the paper predicts the deformation of ZG88 monitoring point,and compares the prediction values with the prediction results of other forecast models.The results show that the prediction results of the proposed model are basically identical with the values of actual monitoring,which improves the precision of the prediction results.

引文

[1]殷坤龙,晏同珍.滑坡预测及相关模型[J].岩石力学与工程学报,1996,15(1):1-8.
    [2]许强,黄润秋,李秀珍.滑坡时间预测预报研究进展[J].地球科学进展,2004,19(3):478-483.
    [3]黄润秋,许强.斜坡失稳时间的协同预测模型[J].山地研究,1997,15(1):7-12.
    [4]崔中兴,张璟.神经网络在滑坡预报中的应用[J].水土保持通报,1995,15(5):54-57.
    [5]缪海波,殷坤龙,柴波,等.基于非平稳时间序列分析的滑坡变形预测[J].地质科技情报,2009,28(4):107-111.
    [6]刘天浩.滑坡位移序列的支持向量机预测[D].沈阳:东北大学,硕士学位论文,2005.
    [7]黄志全,张长存,姜彤,等.滑坡预报的协同-分岔模型及其应用[J].岩石力学与工程学报,2002,21(4):498-501.
    [8]吴益平,滕伟福,李亚伟.灰色-神经网络模型在滑坡变形预测中的应用[J].岩石力学与工程学报,2007,26(3):632-636.
    [9]董辉,傅鹤林,冷伍明.滑坡变形的支持向量机非线性组合预测[J].铁道学报,2007,29(1):132-136.
    [10]李潇,徐进军.基于小波分析与LSSVM的滑坡变形预测[J].大地测量与地球动力学,2009,29(4):127-130.
    [11]林大超,安凤平,郭章林,等.滑坡位移的多模态支持向量机模型预测[J].岩土力学,2011,32(增刊1):451-458.
    [12]Huang,N.E.,M.L.Wu,W.L.Qu,et al.Applications of Hil-bert-Huang transform to non-stationary financial time series a-nalysis[J].Applied Stochastic Models in Business and Indus-try,2003,19(3):246-268.
    [13]陈莺,徐晨,张维强.基于Huang变换和BP神经网络的时间序列预测方法[J].计算机工程与应用,2007,43(30):242-244.
    [14]陆付民,王尚庆,李劲.离散卡尔曼滤波法在滑坡变形预测中的应用[J].水利水电科技进展,2009,29(4):6-9,35.
    [15]汪发武,彭轩明,霍志涛,等.三峡库区千将坪滑坡的高速远程滑动机理与库水位变动条件下树坪滑坡的变形模式[A].第八届全国工程地质大会论文集[C].北京:工程地质学报编辑部,2008:536-542.
    [16]葛哲学,孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社,2007.