基于奇异值分解和UPF的滑坡位移预测方法

摘要

本发明公开的基于奇异值分解和UPF的滑坡位移预测方法，首先通过安装在坡体上的激光位移传感器采集滑坡体的位移数据；然后，利用SVD将耦合变量进行分解，计算得到新的sigma点，将新的sigma点带入无机粒子滤波算法中，得到SVD约束型UPF算法；最后，利用采集到的数据对SVD约束型UPF算法进行训练，将训练得到的SVD约束型UPF模型用于滑坡位移预测，从而得到预测位移。本发明公开的方法根据滑坡演化过程中的位移数据，推演出当前滑坡演化状态，并计算出下一步或多步位移变化，解决了UPF算法用于预测时鲁棒性差的问题，提高了滑坡位移预报的准确性，为准确的滑坡预测奠定了一定的理论基础。