基于小波去噪和神经网络的滑坡变形组合预测研究.pdfVIP

.33. 隆 然，等:基于小波去噪和神经网络的滑坡变形组合预测研究 DOI: 10. 13379/j. issn. 1∞3-8825.2015.06.08 基于小波去噪和神经网络的滑坡变形组合预测研究 隆然，董志勇 (中交第二公路勘察设计研究院有限公司，武汉 43∞56) 摘 要:基于滑坡的变形监测数据，首先探讨了小波去嗓过程中各参数对去嗓效果的影响规 律，选取最优的小波去噪数据作为趋势项序列和误差项序列的分解依据，再利用 BP 神经网络和 RBF 神经网络对两序列进行预测，并与传统预测进行对比分析，最后对组合预测的效果进行探讨研 究。结果表明:在滑坡变形数据的去嗓过程中，以采用 sym 4 小泼函数、固定式闽值、硬阀值选取 阅值和7 层小波分解时的去嗓效果最好，并由后期预测结果可知其分项预测的效果要优于传统单项 预测的效果，且线性组合预测对误差精度的提高有限，而非线性组合预测对误差精度的提高较大。 通过上述研究，为滑坡的变形组合预测研究提供了一种良好的方法。 关键词:滑坡;变形监测数据;小波去嗓;组合预测;神经网络;分项预测 中圄分类号: U416. 1 +63 文献标志码:A 文章编号: 1∞3 -8825(2015)06-∞33 -07 持向量机对滑坡变形的非线性组合预测，提高了单 。 引言 一预测精度。但在滑坡的变形预测过程中，还没有 滑坡是人类生活中常见的一种地质灾害，常给 小波去噪和组合预测的综合应用，使得本文的研究 人类的生命财产带来一定的安全隐患。所以，基于 具有重要的意义。本文首先采用小波去噪分解滑坡 滑坡现场变形监测数据去判断滑坡未来的变形趋势， 变形数据的趋势项和误差项，且在分解过程中探讨 对规避滑坡风险及采取有效控制措施具有重要的意 了各去噪控制参数对去噪效果的影响规律，选取最 义。在滑坡的变形监测数据中，常含有一些误差信 BP 神 优去噪数据作为后期预测的依据;其次，利用 息，对预测结果有较大的影响。因此，本文采用小 经网络和 RBF 神经网络对分解序列进行预测;最 波去噪对监测数据进行分解，求得其趋势项和误差 项。在这方面已有许多学者进行了研究:王博等[1] 后，基于两神经网络的单项预测数据，建立组合预 测模型，以期为滑坡的变形预测提供一种新的思路。 基于小波神经网络，对相关权值进行改进和优化， 且利用实例验证其效果较好;赵燕容等[2] 对小波去 1 基本原理 噪的预测方法进行了改进，实例验证其提高了预测 1.1 小波去噪基本原理[3 ， 4] 精度;杨哲峰等[3] 利用小波去噪分解基坑变形监测 小波变换的基本原理是将原始信号分解成不同 数据的趋势项和误差项，并将其用于后期预测，取 的频率信号，