首页|动态残差修正LSTM算法的突发型滑坡位移预测

动态残差修正LSTM算法的突发型滑坡位移预测

Displacement prediction of sudden landslide based on dynamic residual correction LSTM algorithm

扫码查看
原文链接
  • 万方数据
  • 维普
针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法.首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势.结果表明:将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R2指标分别为43.843、1.901％、79.394和0.960,相比于传统LSTM预测方法具有明显优势.

dynamic residual correctionlong short term memory(LSTM)algorithmsudden landslidedisplacement predictionflow trainingempirical mode decomposition(EMD)

唐宇峰、胡光忠、周帅

展开 >

四川轻化工大学机械工程学院,四川宜宾 644005

重大危险源测控四川省重点实验室,四川成都 640031

四川省安全科学技术研究院,四川成都 640031

动态残差修正 长短时记忆(LSTM)算法 突发型滑坡 位移预测 流转训练 经验模态分解(EMD)

重大危险源测控四川省重点实验室开放课题

KFKT-2021-01

2023

10.16265/j.cnki.issn1003-3033.2023.08.1100

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(8)
  • 9