典型文献
基于EMD-TAR组合模型的滑坡位移预测研究
文献摘要：
针对非线性波动性发展的滑坡,为了提高其位移变化的预测精度,以经验模态分解(Empirical Mode Decomposition)方法对滑坡监测地表位移的时间序列进行处理,将不规律变化的位移序列转化为存在一定规律变化的模态分量,得到不同频率的位移分量,对每一分量单独预测,避免误差相互影响,通过预测所有分量的变化趋势来综合预测位移序列的变化趋势,利用改进门限自回归模型(Threshold Auto Regressive)对非稳态谐波描述性较好的优势预测滑坡位移分量,最后模态叠加得到最终预测位移,建立了基于经验模态分解和门限自回归模型的组合预测模型,结合白水河滑坡实例数据验证该模型的预测精度,通过与BP神经网络模型、长短时间记忆网络模型进行预测对比,提出的组合模型预测精度较高,为滑坡位移的预测提供了一种新的方法.
文献关键词：
滑坡位移预测;经验模态分解;门限自回归模型;组合预测
中图分类号：
作者姓名：
陈曦;高雅萍;涂锐
作者机构：
成都理工大学地球科学学院,四川 成都 610059;中国科学院国家授时中心,陕西 西安 710600
文献出处：
引用格式：
[1]陈曦;高雅萍;涂锐-.基于EMD-TAR组合模型的滑坡位移预测研究)[J].人民珠江,2022(03):96-101,108
A类：
B类：
EMD,TAR,滑坡位移预测,预测研究,非线性波动,波动性,位移变化,经验模态分解,Empirical,Mode,Decomposition,滑坡监测,测地,地表位移,模态分量,不同频率,每一分,测位,进门,门限自回归模型,Threshold,Auto,Regressive,非稳态,谐波,模态叠加,加得,基于经验,组合预测模型,白水河滑坡,数据验证,长短时间记忆网络,组合模型预测
AB值：
0.321625
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。
