基于VMD-GRA-KELM的滑坡位移预测耦合模型研究

摘要

为实现对滑坡变形的预测,基于变分模态分解(Variational ModalDecomposition,简称VMD)、灰色关联度分析(Grey RelationAnalysis,简称GRA)以及核极限学习机(Kernel ExtremeLearningMachine,简称KELM)方法,提出了一种VMD-GRA-KELM的滑坡位移变形预测方法。首先,结合四川茂县岷江电化厂区西侧滑坡治理工程滑坡位移监测数据,利用VMD方法将位移监测数据自适应地分解为多个子位移;其次,采用GRA对各子位移进行关联度分析,剔除冗杂因子,保留关联度较高的子位移;然后,运用KELM分别对高相关度子位移建立预测模型得到预测值;再对所有子位移预测值叠加重构,得到最终预测结果;最后,通过与KELM、VMD-KELM对比,提出了一种新的滑坡位移预测方法。结果表明:该方法能够有效地对滑坡位移进行预测,且预测精度优于其余几种预测模型,即VMD-GRA-KELM是一种有效的滑坡位移预测方法。