原文传递
基于CEEMDAN-LSTM的滑坡位移预测
| 题名： | 基于CEEMDAN-LSTM的滑坡位移预测 |
| 作者： | 董洁 鲁光银 颜富宇 |
| 作者单位： | 1. 中南大学地球科学与信息物理学院 |
| 关键词： | 关键词：滑坡位移预测;CEEMDAN;长短时记忆网络; |
| 摘要： | 摘要：建立滑坡地质灾害高精度的位移预测模型对滑坡灾害的提前预报十分重要，并且滑坡变形具有阶梯状曲线特性，通常具有隐性的周期性。因此，以三峡库区白水河新滩滑坡为例，基于阶梯状滑坡位移的内在季节性特征，提出了一种基于自适应白噪声的完整经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)和长短时记忆网(Long Short-Term Memory, LSTM)的位移预测方法。首先利用CEEMDAN将滑坡累计位移分解为趋势项和周期项，然后利用多项式函数预测趋势项位移；再利用LSTM模型预测周期项位移，最后将各分量位移累加得到最终的模型计算。结果表明，CEEMDAN-LSTM模型具有精确度较高的预测效果。 |
| 期刊名称： | 黑龙江交通科技 |
| 出版日期： | 202405 |
| 出版年： | 2024 |
| 期： | 4 |
检索历史
应用推荐
