典型文献
滑坡位移EEMD-SVR预测模型
文献摘要：
滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生.滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用.针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测.首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)作为评估模型的预测性能指标.然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R2值分别为0.648 mm、0.518％ 和0.9968,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值.
文献关键词：
滑坡位移预测;时间序列;机器学习;集成经验模态分解;支持向量回归
中图分类号：
作者姓名：
王晨辉;赵贻玖;郭伟;孟庆佳;李滨
作者机构：
电子科技大学自动化工程学院,四川成都611731;中国地质调查局水文地质环境地质调查中心,河北保定071051;自然资源部地质环境监测工程技术创新中心,河北保定071051;中国地质科学院地质力学研究所,北京100081
文献出处：
引用格式：
[1]王晨辉;赵贻玖;郭伟;孟庆佳;李滨-.滑坡位移EEMD-SVR预测模型)[J].测绘学报,2022(10):2196-2204
A类：
位移提取
B类：
EEMD,SVR,滑坡位移预测,滑坡灾害,监测预警,测地,地质灾害,滑坡变形,外界因素,随机性,机器学习方法,趋势项,周期项,集成经验模态分解,支持向量回归,模型实现,构建过程,预测性能,RMSE,平均绝对误差,MAE,平均绝对百分比误差,MAPE,决定系数,Elman,岩溶山区,一处,高可靠
AB值：
0.194854
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
