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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

摘要： 为克服大坝位移预测回归模型中,选取因子的多重相关性对回归方程的影响,同时考虑到位移的波动性对残差的影响,提出一种偏最小二乘-马尔科夫链大坝位移预测模型.偏最小二乘法能够有效的解决多重相关性的问题,马尔科夫链具有适应数据波动的优点,两种方法相结合发挥各自优势,以进一步提高单一偏最小二乘回归的预测能力.工程实例的分析表明,该模型能够有效的提高预测精度.

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.

摘要： 滑坡是一种在三峡库区频繁发生的地质灾害,严重威胁着人民群众生命财产安全和三峡大坝的正常运行,一种有效和精确的滑坡位移预测方法能够有效缓解滑坡灾害造成的影响.rn 本文通过分析滑坡位移与降雨和库水位等影响因素之间的综合响应，将小波变换算法、粒子群算法和支持向量机算法结合，构建出WT-RS-SVR优化模型，对树坪滑坡位移进行预测，其预测结果的平均绝对误差和平均相对误差分别为4.475cm和7.378%，均方差为7.232，相关系数的平方为0.768。结果表明该方法是一种行之有效的位移预测方法，对滑坡预测预报具有关键作用。通过与其他预测模型进行对比，发现该模型的预测能力最优。

摘要： 对于预测滑坡位移变化的非线性问题，本文利用支持向量机在回归分析中的方法―ε-支持向量回归机(ε-SVR)，采用不间的核函数分别对福建八尺门滑坡进行位移预测分析，结果显示，该方法的预测精度高，实用性强。

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.

摘要： 位移预测对岩土工程稳定性具有重要的实用意义,近来软科学方法得到了广泛重视及应用.本文对常用软科学方法-灰色系统、时序分析及神经网络进行了系统分析研究,并提出了一种新型预测方法-进化神经网络法.最后,通过工程实例验证了理论分析的结果.

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.

摘要： 本研究以CRD法开挖隧道为例,考虑多断面同时施工对周边位移发展的影响,利用改进的BP神经网络,按照动态建模的方法对隧道累计周边位移进行了全程预测和分段预测,结果表明分段预测法具有早期预测、预测时间长、预测精度高的优点,适合于多步开挖隧道的周边位移预测。

摘要： 为分析沉桩挤土对周边环境的影响，分别采用面积等代法、经验公式法以及轴对称两维有限元方法，对沉桩挤土的位移情况进行预测评估。在有限元预测中，以面积等代法计算得到等代桩桩周处的土体水平位移作为边界条件，分析桩群挤土对周边环境的影响。以面积等代法作为预测土体位移的上限，以经验公式作为趋势，有限元作为较准确的预测手段，分析与实测结果极为接近。本文可供同类工程参考。

摘要： 为分析沉桩挤土对周边环境的影响，分别采用面积等代法、经验公式法以及轴对称两维有限元方法，对沉桩挤土的位移情况进行预测评估。在有限元预测中，以面积等代法计算得到等代桩桩周处的土体水平位移作为边界条件，分析桩群挤土对周边环境的影响。以面积等代法作为预测土体位移的上限，以经验公式作为趋势，有限元作为较准确的预测手段，分析与实测结果极为接近。本文可供同类工程参考。

摘要： 本申请提供一种滑坡位移预测方法、滑坡位移预测装置及存储介质，包括获取第一预设时间段内的第一坡面位移累计值；在Prophet模型中结合坡面对应的增长趋势、季节趋势、突发事件和噪声，根据第一坡面位移累计值分析坡面位移变化趋势；其中，增长趋势包括地形地貌、地层岩性、地质构造对坡面位移的影响；季节趋势包括降雨、温度对坡面位移的影响；突发事件包括地震、人工活动工程对坡面位移的影响；噪声为随机影响因素对坡面位移的影响；本申请基于Prophet框架进行滑坡位移的预测，充分考虑了各种环境因素对滑坡位移的影响，使得滑坡位移的预测结果更加准确。

摘要： 一种利用地表位移预测隧道收敛位移的方法，首先通过现场监测获取若干组隧道收敛位移和地表位移数据，用于求待定参数向量。建立相应的数学模型，并根据现场的地表位移监测数据，预测隧道的收敛位移。本发明利用地表沉降的监测，建立地表位移沉降和隧道收敛位移的相关数学模型，结合区域或项目已有的监测数据，确定模型参数。其作用，一是可以验证隧道的收敛位移结果是否符合规律，对于位移监测有误的数据点，利用地表位移计算出的收敛位移也可作为对应的参数供施工参考，以弥补隧道施工中，监测数据无法重新获取的缺陷。

摘要： 本发明提出一种利用时栅位移传感器实现数控转台角位移预测测量的方法。在时栅和数控系统之间增加一个智能接口单元，智能接口单元的输入为时栅测量的绝对角度值，输出为能与通用数控系统接口的增量式脉冲信号；该智能接口单元根据时栅当前和过去的一些离散的绝对角度测量值，对未来一段时间内时栅的角位移值进行预测，然后按时间序列生成代表预测角度值的增量式连续脉冲信号，并根据当前的实际测量角度值修正前一时间段的预测误差值，实现数控转台角位移的预测测量。本发明用于将时栅为代表的定时采样位移传感器用于数控转台等数控分度类功能部件全闭环位置反馈。

摘要： 本发明提供一种滑坡点位移预测方法、预测设备及存储介质，方法包括以下步骤：重构形成重构项，采用结合t检验的CEEMD分解方法，分解出高频项、低频项和趋势项；将原始项、重构项、高频项和低频项作为周期项输入参数待选项，将趋势项作为趋势项输入参数待选项；使用CEEMD将滑坡累计位移时间序列数据得到滑坡位移周期项和滑坡位移趋势项；将滑坡位移周期项与周期项输入参数待选项对比进行优选；将滑坡位移趋势项与趋势项输入参数待选项对比进行优选；对群智能优化算法进行优选，与SVR模型结合，得到滑坡累计位移预测结果。本发明提出的技术方案的有益效果是：对滑坡位移影响较大的诱发因素进行优选，基于多群智能优化算法建立SVR预测模型，可提高预测精度。

摘要： 本申请提供一种滑坡位移预测方法、滑坡位移预测装置及存储介质，包括获取第一预设时间段内的第一坡面位移累计值；在Prophet模型中结合坡面对应的增长趋势、季节趋势、突发事件和噪声，根据第一坡面位移累计值分析坡面位移变化趋势；其中，增长趋势包括地形地貌、地层岩性、地质构造对坡面位移的影响；季节趋势包括降雨、温度对坡面位移的影响；突发事件包括地震、人工活动工程对坡面位移的影响；噪声为随机影响因素对坡面位移的影响；本申请基于Prophet框架进行滑坡位移的预测，充分考虑了各种环境因素对滑坡位移的影响，使得滑坡位移的预测结果更加准确。

摘要： 本发明提供了预埋滴灌的基于EEMD‑GRU模型最优时间尺度的位移阶跃型水库滑坡累计位移预测方法，S1：对滑坡各项监测数据进整理，确定监测内容和数据提取周期；S2：将S1中的完整监测数据分别以日、周、旬为时间尺度进行提取；S3：采用集合经验模态分解算法分别对S2中所提取出的各时间尺度下的滑坡累计位移进行分解；S4：将S2中提取出的各时间尺度下的监测数据和S3中分解出的周期项位移分别进行训练集和测试集的划分，以及归一化的处理；S5：建立门控循环单元神经网络；S6：对S2中分解出的各时间尺度下的趋势项位移进行多项式的拟合预测；S7：将不同时间尺度下的周期项的预测值和趋势项的预测值叠加得到累计位移的预测。

摘要： 本发明提供一种基于SNAP微腔的位移传感系统与位移预测方法，包括：激光器、偏振控制器、耦合波导、光纤微腔、位移装置、光电探测器和计算机；激光器产生扫频激光，经偏振控制器和耦合波导进入光纤微腔中的SNAP微腔，利用光电探测器探测未耦合进入SNAP微腔的光信号并转换为电信号，然后通过计算机对得到的电信号进行处理；当光纤微腔移动时，用多组二阶及以上透过率相对第一阶透过率的比值参数及其对应的位移来训练和优化预置的神经网络模型，利用优化后的神经网络模型进行位移预测；该位移传感系统能够减小湿度等环境因素对位移传感的影响，具有很好的抗噪声能力。

摘要： 一种利用地表位移预测隧道收敛位移的方法，首先通过现场监测获取若干组隧道收敛位移和地表位移数据，用于求待定参数向量。建立相应的数学模型，并根据现场的地表位移监测数据，预测隧道的收敛位移。本发明利用地表沉降的监测，建立地表位移沉降和隧道收敛位移的相关数学模型，结合区域或项目已有的监测数据，确定模型参数。其作用，一是可以验证隧道的收敛位移结果是否符合规律，对于位移监测有误的数据点，利用地表位移计算出的收敛位移也可作为对应的参数供施工参考，以弥补隧道施工中，监测数据无法重新获取的缺陷。

摘要： 本发明公开了一种岩体位移监测装置及岩体位移预测方法，所述监测装置包括：锚固体、定位环、电感调频式位移传感器和保护部件；所述电感调频式位移传感器包括铁芯和螺管线圈；所述定位环外周面与所述岩体固定连接，且该定位环具有一穿孔，所述锚固体穿过所述穿孔与所述铁芯可拆卸连接；所述保护部件与所述螺管线圈固定连接；本发明充分利用作为围岩支护手段的锚杆结构，安装过程简单、位移监测数据的传输和查看实时方便，同时通过位移预测进化极限学习机模型预测岩体位移数据，具有超前性，充分有效利用了位移监测数据对岩体位移进行预测，便于现场人员充分了解岩体位移的变化趋势，在工程上具有一定的指导意义。

摘要： 本发明提出一种利用时栅位移传感器实现数控转台角位移预测测量的方法。在时栅和数控系统之间增加一个智能接口单元，智能接口单元的输入为时栅测量的绝对角度值，输出为能与通用数控系统接口的增量式脉冲信号；该智能接口单元根据时栅当前和过去的一些离散的绝对角度测量值，对未来一段时间内时栅的角位移值进行预测，然后按时间序列生成代表预测角度值的增量式连续脉冲信号，并根据当前的实际测量角度值修正前一时间段的预测误差值，实现数控转台角位移的预测测量。本发明用于将时栅为代表的定时采样位移传感器用于数控转台等数控分度类功能部件全闭环位置反馈。