一种基于VMD-SSO-LSTM方法的滑坡位移动预测模型
Haiying Wang1, Yang Ao2, Chenguang Wang2
1School of Construction Machinery, Chang'an University, Xi'an, 710064, China. whying@chd.edu.cn.
Scientific reports
|April 22, 2024
概括
本研究介绍了一种使用变量模式分解 (VMD),搜索优化 (SSO) 和长短期记忆 (LSTM) 的新型动态滑坡位移预测模型. VMD-SSO-LSTM模型显著提高了对山体滑坡运动的预测准确度.
科学领域:
- 地质技术工程 地质技术工程
- 环境科学 环境科学
- 数据科学数据科学数据科学
背景情况:
- 现有的滑坡位移预测模型难以捕捉动态数据变化.
- 准确预测滑坡运动对于预防和减轻灾害至关重要.
研究的目的:
- 开发一款针对山体滑坡的新型动态迁移预测模型.
- 提高滑坡移位预测的准确性和动态特性.
主要方法:
- 这项研究提出了一种VMD-SSO-LSTM模型,它结合了变化模式分解 (VMD),搜索优化 (SSO) 和长短期记忆 (LSTM).
- VMD将移位和降雨数据分解为趋势,周期和波动组件.
- 灰色关联分析建立了移位和降雨组件之间的相互关系,然后由SSO-LSTM模型预测.
主要成果:
- VMD-SSO-LSTM模型实现了1.2329毫米的平方根平均误差 (RMSE) 和0.1624%的平均绝对百分比误差 (MAPE).
- 该模型表现出高度的合适度 (R2 = 0.9969).
- 与传统的背向传播 (BP) 和LSTM模型相比,对比分析显示出更高的预测准确性.
结论:
- 该VMD-SSO-LSTM模型有效地捕获动态特征,以改善滑坡位移预测.
- 拟议的方法在实时动态预测山体滑坡运动方面取得了重大进展.
- 这种方法为评估山体滑坡危险提供了更准确,更可靠的工具.
