买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明提供一种库岸滑坡位移混合智能预测方法及装置，属于滑坡位移预测领域。步骤为：采用富裕阈值直接构建富裕区间位移数据集；通过简单移动平均法将滑坡累积位移分解为趋势项和周期项，采用PSO‑SVM拟合趋势项位移；通过灰度关联分析确定周期项位移影响因素，采用CNN‑GRU‑Attention预测周期项位移；求和趋势项位移预测值和周期项位移预测值得到滑坡总位移预测值；将富裕区间位移上、下限数据集带入到PSO‑SVM和CNN‑GRU‑Attention模型中得到滑坡位移预测区间。本发明不仅提高滑坡单点位移预测精度，而且构建可靠的位移预测区间，有助于提高滑坡风险评估和灾害预警能力，为滑坡防灾减灾提供更加可靠的科学依据。

主权项：1.一种库岸滑坡位移混合智能预测装置，其特征在于，包括以下模块：数据采集及预处理模块：采集所研究滑坡监测点的滑坡位移数据，收集滑坡所在区域的降雨量和水库水位，构成总的数据集；并对数据集中的数据进行预处理，得到预处理后的滑坡数据集；富裕区间数据集构建模块：设置富裕阈值，根据预处理后的滑坡数据集构建滑坡富裕区间数据集；位移分解模块：当开展位移区间预测时，针对滑坡富裕区间数据集，提取滑坡富裕区间数据集中监测点趋势项位移、周期项位移，其中周期项位移为总位移与趋势项位移的差值；当开展点位移预测时，针对预处理后的滑坡数据集，提取预处理后的滑坡数据集中监测点趋势项位移、周期项位移，其中周期项位移为总位移与趋势项位移的差值；影响因素分析模块：初步确定周期项位移可能的影响因素，主要分为外部因素和内部因素；并确定各影响因素与周期项位移之间的相关性，其中外部因素指降雨和水库水位，内部因素指周期项位移所代表的滑坡当前状态；位移预测模块：采用粒子群优化-支持向量机PSO-SVM模型拟合趋势项位移得到趋势项位移预测值，采用卷积神经网络-门循环单元-注意力机制的混合模型CNN-GRU-Attention预测周期项位移得到周期项位移预测值，将得到的趋势项位移预测值和周期项位移预测值求和得到滑坡总位移预测值；富裕区间构建模块：将滑坡富裕区间数据集下限代入PSO-SVM和CNN-GRU-Attention模型中得到富裕区间预测值下限，将富裕区间数据集上限代入PSO-SVM和CNN-GRU-Attention模型中得到富裕区间预测值上限，将得到的预测值的上、下限构成所需的滑坡位移预测区间；模型评估模块：当评估滑坡位移预测区间效果时，计算预测区间覆盖概率PICP和预测区间归一化均方根宽度PINRW两项指标；当评估点位移预测效果时，将滑坡总位移预测值与预处理后的滑坡数据集中的位移值对比，计算评估指标。

全文数据：

权利要求：

百度查询： 大连理工大学 一种库岸滑坡位移混合智能预测方法及装置