典型文献
基于卷积神经网络的水库滑坡位移预测研究
文献摘要：
传统的水库滑坡位移预测模型对诱发因素之间的特征考虑不足.鉴于此,提出了一种基于卷积神经网络(CNN)与传统机器学习算法.该方法首先利用集合经验模态分解算法(EEMD)将滑坡累积位移分解为趋势项位移和周期项位移,然后通过高斯函数拟合趋势项位移并基于滑坡变形特征确定影响滑坡周期项位移的诱发因素;最后,结合卷积神经网络与机器学习算法,对周期项位移进行预测.以三峡库区白家包滑坡2007年5月至2017年8月多场次监测数据进行研究,并将预测结果与传统的RF模型和BPNN模型的预测结果进行对比分析.结果表明:CNN-RF模型和CNN-BPNN模型具有较高的预测性能,并且预测偏差显著低于传统的BPNN模型和RF算法.
文献关键词：
水库滑坡;位移预测;卷积神经网络;随机森林
中图分类号：
作者姓名：
韩笑男
作者机构：
三江源国家公园管理局黄河源园区国家公园管理委员会资源环境执法局,青海果洛 813500
文献出处：
引用格式：
[1]韩笑男-.基于卷积神经网络的水库滑坡位移预测研究)[J].甘肃水利水电技术,2022(02):35-38,64
A类：
B类：
水库滑坡,滑坡位移预测,预测研究,诱发因素,机器学习算法,集合经验模态分解,EEMD,累积位移,趋势项,周期项,高斯函数拟合,滑坡变形,变形特征,三峡库区,白家,多场次,RF,BPNN,预测性能,预测偏差
AB值：
0.250952
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。
