基于长期监测数据与LSTM网络的滑坡位移预测

摘要

滑坡位移变化是危险性的直接表征,位移预测对防灾减灾至关重要。以八字门滑坡为例,基于十年监测数据和神经网络模型(LSTM、RNN)进行滑坡位移预测。用一次移动平均法将总位移分解为趋势项和周期项,趋势项采用三次多项式函数进行分段拟合预测,通过神经网络模型和建立周期项与特征因子的关系并进行预测。其中,周期项特征因子根据位移影响因素初步选取,再通过Pearson相关性分析剔除无关因子。将预测的趋势项、周期项相加即为总位移预测值,对预测值与真实值进行误差分析,绝对误差为10 mm(LSTM)、24 mm(RNN),相关系数R;为0.9715(LSTM)、0.6675(RNN)。结果表明:LSTM在面对长时间序列时表现出更好的预测能力,该预测结果可以为八字门滑坡的防灾减灾工作提供理论参考。