基于SVR-LSTM混合深度学习的滑坡位移预测方法

摘要

本发明公开了一种基于SVR‑LSTM混合深度学习的滑坡位移预测方法：步骤1：对位移数据EMD分解得到IMF分量和残差项。步骤2：将趋势项数据代入趋势项预测模型SVR训练；将剩余数据作为测试项代入训练好的模型得到趋势项预测结果。步骤3：得到多个周期项的候选训练属性。步骤4：计算互信息和皮尔逊相关系数并挑选影响因素。步骤5：使用影响因素作为LSTM的训练因素，得到多个LSTM模型；将剩余数据代入LSTM模型得到预测输出值，将每个IMF分量预测输出值相加得到周期项预测结果。步骤6：对周期项预测结果和趋势项预测结果中数据对应相加得到总的位移预测结果。本发明采用SVR和LSTM方法预测加和，使预测结果稳定性和准确性大大提高，保证了预测结果的可信度，且计算高效。