节点文献

库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

免费订阅

【作者】 黄发明殷坤龙何涛孟颂颂

【Author】 Huang Faming;Yin Kunlong;He Tao;Meng Songsong;Geological Survey,China University of Geosciences;Faculty of Engineering,China University of Geosciences;College of Oujiang,Wenzhou University;

【机构】 中国地质大学地质调查研究院中国地质大学工程学院温州大学瓯江学院

【摘要】 地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。

【基金】 中国地质调查局县域地质灾害风险管理研究项目(1212011220173);国家自然科学基金项目(41240023;41302230);浙江省科技项目(2012C21050)
【所属期刊栏目】 水文地质 (2015年06期)
  • 【分类号】P641;P642.22
  • 【被引频次】4
  • 【下载频次】219
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: