文献类型：期刊文章

作　　者：杨背背[1] 殷坤龙[1] 杜娟[2]

YANG Beibei;YIN Kunlong;DU Juan(Faculty of Engineering,China University of Geosciences,Wuhan,Hubei 430074,China;Three Gorges Research Center for Geohazard,Ministry of Education,China University ofGeoseienees,Wuhan,Hubei 430074,China)

机构地区：[1]中国地质大学工程学院,湖北武汉430074 [2]中国地质大学教育部长江三峡库区地质灾害研究中心,湖北武汉430074

出　　处：《岩石力学与工程学报》

基　　金：国家自然科学基金资助项目(41572292;41572289)~~

年　　份：2018

卷　　号：37

期　　号：10

起止页码：2334-2343

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对滑坡演化的动态特性和传统静态预测模型的不足,提出一种基于时间序列与长短时记忆网络(long and short term memory neural network,LSTM)的滑坡位移动态预测模型。该模型首先采用移动平均法将滑坡累积位移分解为趋势项位移和周期项位移。然后采用多项式函数预测趋势项位移;基于滑坡变形特征与诱发因素的响应分析,建立LSTM模型进行周期项位移预测。最后将各分项位移叠加,即实现滑坡累积位移的预测。以三峡库区典型阶跃型滑坡——白水河滑坡为例,并与支持向量机模型(support vector machine,SVM)进行对比分析。结果表明,与静态模型SVM相比,动态模型LSTM的预测精度较高,在阶跃式变形期的预测优势尤为突出,且不依赖于训练数据时效性的分析。该模型为三峡库区阶跃型滑坡位移预测提供了新的思路和探索。

关 键 词：边坡工程 阶跃型滑坡  位移预测  动态模型 时间序列 长短时记忆网络  

分 类 号：P642]