位移预测
位移预测的相关文献在1995年到2023年内共计259篇,主要集中在建筑科学、水利工程、公路运输
等领域,其中期刊论文143篇、会议论文15篇、专利文献122589篇;相关期刊97种,包括测绘工程、灾害学、工程地质学报等;
相关会议14种,包括全国大坝安全监测技术信息网第八届全网大会暨2015年全国大坝安全监测技术与应用学术交流会、第六届全国地理信息科学博士生学术论坛、第十届全国数学地质与地学信息学术研讨会等;位移预测的相关文献由783位作者贡献,包括牛瑞卿、高玮、殷坤龙等。
位移预测—发文量
专利文献>
论文:122589篇
占比:99.87%
总计:122747篇
位移预测
-研究学者
- 牛瑞卿
- 高玮
- 殷坤龙
- 许强
- 周李
- 李丽敏
- 李龙彪
- 段焱中
- 王伟
- 王毅
- 邹宗兴
- 郑颖人
- 龙光裕
- 付文涛
- 刘攀
- 吴益平
- 唐达昆
- 夏明锬
- 孙希延
- 廖建兴
- 张俊
- 张俊荣
- 张茂省
- 张飞
- 徐斌
- 徐日庆
- 朱维申
- 李术才
- 李静
- 杜娟
- 林子安
- 梁维彬
- 梅灿
- 汪洋
- 温宗周
- 王侃琦
- 王卫东
- 王宏
- 王超
- 甘晓露
- 白杨
- 瞿霞
- 程康
- 罗袆沅
- 肖婷
- 胡程
- 苗发盛
- 蒋亚楠
- 郭伏
- 陈立生
-
-
梁阳;
肖婷;
胡程;
任世聪;
曾亮
-
-
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。
-
-
尚敏;
熊德兵;
张惠强;
赵国飞
-
-
摘要:
本文针对阶跃型滑坡变形定量预测困难,提出一种基于时间序列分解与混合核函数SA-SVR的滑坡位移预测模型。首先基于时间序列分解原理,反复使用指数平滑法将滑坡累积位移分解为趋势项位移和周期项位移,使分解后的趋势项位移较平滑且能保证周期项位移的预测精度。同时针对多项式预测容易过拟合造成预测值偏离真实值的问题,采用K-flod交叉验证的3次多项式对趋势项位移进行预测;通过SVR核函数性质,构造泛化能力和学习能力都较强的混合核函数作为SVR模型的核方法,以滑坡诱发因子作为SVR模型输入向量,以模拟退火算法(SA)对使用混合核函数的SVR模型进行参数寻优,从而建立混合核函数的SA-SVR模型预测周期项位移;最后合并趋势项位移和周期项位移得到总位移预测值。以三峡库区白家包滑坡为例,选取ZG325监测点2012年1月~2020年9月数据进行研究,并以ZG324监测点作为辅助验证。结果表明,相较于传统SVR预测模型,模拟退火算法(SA)在参数寻优方面表现良好,混合核函数对SVR模型更加敏感,能较大幅度提高预测精度,具有较高的应用和推广价值。
-
-
曹博;
汪帅;
宋丹青;
杜涵;
刘光伟;
周志伟
-
-
摘要:
采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机(ELM)理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明:单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法(ACO)在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。
-
-
庞帅峰;
杨利娟;
夏占营
-
-
摘要:
针对传统回归模型监测的精度不足,将高斯过程回归方法引入大坝安全监测领域,采用正弦平方核(Exp Sine Squared kernel)函数进行高斯过程回归分析,通过对小浪底水利枢纽坝顶某监测点历史观测数据构建高斯过程回归(GPR)模型,进行GPR建模,对其后八期位移进行预测,并进行可视化图表输出并加以分析。结果表明,GPR模型预测精度在一定程度上优于其他回归模型。
-
-
韩笑男
-
-
摘要:
传统的水库滑坡位移预测模型对诱发因素之间的特征考虑不足。鉴于此,提出了一种基于卷积神经网络(CNN)与传统机器学习算法。该方法首先利用集合经验模态分解算法(EEMD)将滑坡累积位移分解为趋势项位移和周期项位移,然后通过高斯函数拟合趋势项位移并基于滑坡变形特征确定影响滑坡周期项位移的诱发因素;最后,结合卷积神经网络与机器学习算法,对周期项位移进行预测。以三峡库区白家包滑坡2007年5月至2017年8月多场次监测数据进行研究,并将预测结果与传统的RF模型和BPNN模型的预测结果进行对比分析。结果表明:CNN-RF模型和CNN-BPNN模型具有较高的预测性能,并且预测偏差显著低于传统的BPNN模型和RF算法。
-
-
华莎;
袁于思;
易灿灿;
张磊
-
-
摘要:
由于边坡失稳是一个循序渐进的过程,利用时间序列分析的方法来预测边坡未来变形,有利于实现边坡的稳定性评价。相比于传统的时间序列分析方法,多簇回声状态网络(MCESN)采用动态储备池将输入信号转换为高维状态向量,选择一组最优的状态向量来表示与任务相关的输入动态。为了验证模型的有效性,采用差分整合移动平均自回归模型(ARIMA)、回归支持向量机(SVM)、长短期记忆网络(LSTM)和传统的回声状态网络(ESN)以及MCESN对三峡船闸高边坡位移进行建模与分析,通过对比均方根误差(RMSE)和复相关系数,发现MCESN的预测精度和模型泛化能力更好。结果表明,MCESN在边坡变形预测具有良好的应用前景。
-
-
张恒言
-
-
摘要:
边坡在失稳破坏之前会有较大的变形,边坡位移是判断和预测坡体稳定性的重要指标之一,为了对边坡位移进行预测,实现地质灾害预警,文章基于江苏省内某边坡实时监测位移数据,建立差分自回归移动平均模型,对边坡的位移进行预测。结果表明,利用文章提出的模型进行该边坡位移分析与实测数据非常接近,并进一步预测了边坡未来的发展趋势,总体来看该方法是有效的。
-
-
刘强;
曹师宝;
康洪健;
张盛行
-
-
摘要:
为了准确掌握软土地基爆破挤淤边坡的位移变化状况,为结构的安全使用和维护提供参考,采用支持向量机构建了边坡位移预测模型,以测斜孔观测的两个方向水平位移数据为样本,分别采用线性核函数(linear)、径向基核函数(rbf)、多项式核函数(poly)下的支持向量机对水平累计位移进行了预测,结果表明位移预测趋势与实测累计位移变化趋势相近,边坡处于安全状态,其中径向基内核支持向量机预测效果较好,预测结果相对误差在15%以内,证明该方法对爆破挤淤式边坡水平位移预测具有可行性,可为类似边坡位移预测量化提供参考。
-
-
张文杰
-
-
摘要:
滑坡作为一种常见的地质灾害,一旦发生将会给人民的生命财产安全造成巨大威胁。为了进一步提升滑坡位移预测模型的准确性,本文提出基于SA-BP神经网络的滑坡位移预测模型。以三峡库区白水河滑坡为例,验证本文所提出方法的准确性,并与典型的BP神经网络进行对比。结果表明:该模型不仅能够较好地对滑坡变形进行预测,并且具有较高的预测精度与实际应用价值。
-
-
高山;
卓小丽
-
-
摘要:
针对传统连续刚构桥位移测量方法流程复杂且费时费力的问题,文章基于径向基(RBF)神经网络提出了连续刚构桥动态位移预测方法。通过将结构随机变量和位移结果作为RBF神经网络的输入,建立连续刚构桥动态位移预测模型,并以实际工程中连续刚构桥为例对预测精度进行了验证。计算结果表明:该预测方法具有较高的精度和效率,算例中连续刚构桥位移均值、位移标准差和位移峰值与有限元计算结果相对误差仅为0.4%、2.2%和1.8%,能较为可行地应用于连续刚构桥动态位移预测,具有一定的工程实用价值。
-
-
-
方正;
付浩雁;
杨贝贝;
郭英嘉
- 《全国大坝安全监测技术信息网第八届全网大会暨2015年全国大坝安全监测技术与应用学术交流会》
| 2015年
-
摘要:
通过建立大坝位移与水位、温度、时间相关关系的多因子统计模型,拟合和预测大坝位移变化过程,是大坝原型监测资料分析和安全监控的重要内容.为提升传统大坝位移统计模型的预测能力,引入蛙跳算法、卡尔曼滤波等,在最小二乘法计算得到统计模型回归系数的基础上,添加调节系数,使用蛙跳算法对回归系数进行优化;进而运用卡尔曼滤波法,将回归系数作为状态方程的状态向量,使得预测模型能够实时反映监测数据的变化.工程算例计算结果表明,该组合优化方法能够有效提高统计模型的预测精度,可应用于大坝位移预测中.
-
-
-
-
李克钢;
张重庆
- 《第十届全国青年岩石力学与工程学术大会》
| 2009年
-
摘要:
边坡系统是一个影响因素众多、非常复杂的非线性系统,使得作为边坡内部力学现象外部表现的边坡变形同样具有很强的非线性特征,而神经网络所具有的高度鲁棒性、学习和联想记忆功能及数据挖掘等特性,对诸如存在内在联系的单时间序列的边坡位移预测有着较大的优势.以此为出发点,通过对单时间序列特点的分析,构造了基于单时间序列的神经网络预测模型,并以渝黔高速公路某边坡位移实际监测数据为例进行了计算.研究结果表明,通过挖掘边坡位移序列中的隐含信息,运用单时间序列BP神经网络进行边坡位移预测是完全可行的,预测平均误差仅为2.72%,预测结果与实际情况吻合度较高.最后通过与传统灰色理论预测方法进行对比发现,该方法预测效果明显提高,预测误差平均降低了近8倍.
-
-
-
Cao Yangbing;
曹洋兵;
Chen Yuhua;
陈玉华;
Xiong Chuanxiang;
熊传祥;
Qiu Dongdong;
邱冬冬;
Huang Zhenping;
黄真萍
- 《2017年海峡两岸水土保持学术研讨会》
| 2017年
-
摘要:
三峡库区广泛分布着堆积层滑坡,开展其位移特征及预测研究对三峡库区及相似区域滑坡预测预警、保护人民群众生命和财产安全具有重要意义.以重庆奉节县下瓦渣坪滑坡作为典型堆积层滑坡,基于地质条件及位移监测资料分析,总结了该滑坡的位移特征及主控因素.提出了基于库水运行工况概化,通过有限元渗流计算程序获取各工况下的滑坡渗流场,并将其依次导入有限差分程序,获取滑坡位移场的位移预测方法.该方法考虑了滑坡稳定性主控因素,能得到滑坡变形破坏全过程特征,且无需校核计算时步与真实时间的关系.数值计算结果表明,滑坡计算位移与实测位移较为吻合,预测效果较好,表明提出的滑坡位移预测方法是可行、可靠的.研究结论可为水库型堆积层滑坡灾害预测预警提供关键的理论支撑.
-
-
-