首页> 外文OA文献 >Influencing factor analysis and displacement prediction in reservoir landslides − a case study of Three Gorges Reservoir (China)
【2h】

Influencing factor analysis and displacement prediction in reservoir landslides − a case study of Three Gorges Reservoir (China)

机译:水库滑坡的影响因素分析与位移预测-以三峡水库为例(中国)

摘要

Potrebno je učinkovito predviđati kako će se vremenski odvijati kumulativni pomaci povezani s klizištima akumulacija. Međutim, tradicionalne metode ne obuhvaćaju dinamički uspostavljene odnose između deformacije klizišta i faktora koji na to utječu. Dakle, uveden je novi pristup na temelju eksponencijalnog izglađivanja (EI) i multivarijatnih metoda ekstremno učećeg stroja kako bi se otkrili čimbenici od utjecaja na deformacije klizišta i predvidjele vrijednosti pomaka klizišta. Prvo su analizirani faktori koji utječu na deformacije klizišta akumulacije. Zatim je EI postupak rabljen za predviđanje trajanja trenda pomaka i dobivanje trajanja periodičnog pomaka određivanjem trajanja trenda iz kumulativnog pomaka. Dalje, analizirani su multivarijatni utjecajni faktori kako bi objasnili trajanje periodičnog pomaka. Nakon toga, postavljen je model ekstremno učećeg stroja kako bi se predvidjelo trajanje periodičnog pomaka na temelju multivarijatne analize utjecajnih čimbenika. Konačno, dobivene su vrijednosti predviđanja kumulativnog pomaka dodavanjem vrijednosti predviđanja trenda i periodičnog pomaka. Bazimen i Baishuihe klizišta u području Three Gorges Reservoir odabrana su kao studije slučaja. Predloženi model EI-multivarijatnog ekstremno učećeg stroja (ES-MELM) uspoređen je s modelom EI-univarijantnog ekstremno učećeg stroja (ES-ELM). Rezultati pokazuju da je deformacija klizišta akumulacije uglavnom pod utjecajem periodičnih oscilacija razine vode akumulacije i obilnih kiša. Osim toga, predloženi model pridonosi točnijem predviđanju od ES-ELM modela.
机译:必须有效地预测与储层滑坡有关的累积位移将随时间发生的情况。但是,传统方法不涉及在滑坡变形和影响滑坡变形的因素之间动态建立的关系。因此,引入了一种基于指数平滑(EI)和极端学习机的多元方法的新方法来检测影响滑坡变形的因素并预测滑坡位移值。首先,分析了影响堆积滑坡变形的因素。 EI方法然后用于预测变化趋势的持续时间,并通过从累积变化确定趋势的持续时间来获得周期性变化的持续时间。此外,分析了多元影响因素以解释周期变化的持续时间。随后,基于影响因素的多变量分析,建立了一个极为学习的机器模型来预测周期移位的持续时间。最后,通过添加趋势预测和周期性偏移预测获得累积偏移预测值。以三峡库区盆地和白水河滑坡为例。将提出的EI多元极限学习机(ES-ELM)模型与EI多元极限学习机(ES-ELM)模型进行了比较。结果表明,堆积滑坡的变形主要受堆积水位和大雨周期性振荡的影响。此外,与ES-ELM模型相比,所提出的模型有助于更准确的预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号