留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

黄发明 殷坤龙 何涛 孟颂颂

黄发明, 殷坤龙, 何涛, 孟颂颂. 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[J]. 地质科技通报, 2015, 34(6): 186-192.
引用本文: 黄发明, 殷坤龙, 何涛, 孟颂颂. 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[J]. 地质科技通报, 2015, 34(6): 186-192.
Huang Faming, Yin Kunlong, He Tao, Meng Songsong. Chaotic Characteristics Identification and Prediction Using PSO-LSSVM Model of Reservoir Landslide Groundwater Level Time Series[J]. Bulletin of Geological Science and Technology, 2015, 34(6): 186-192.
Citation: Huang Faming, Yin Kunlong, He Tao, Meng Songsong. Chaotic Characteristics Identification and Prediction Using PSO-LSSVM Model of Reservoir Landslide Groundwater Level Time Series[J]. Bulletin of Geological Science and Technology, 2015, 34(6): 186-192.

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

基金项目: 

浙江省科技项目(2012C21050)

41302230)

国家自然科学基金项目(41240023

中国地质调查局县域地质灾害风险管理研究项目(1212011220173)

详细信息
    作者简介:

    黄发明(1988—),男,现正攻读地质工程专业博士学位,主要从事滑坡灾害预测预报研究。E-mail:huang1503518@si-na.cn;

    通讯作者:

    殷坤龙(1963—),男,教授,博士生导师,主要从事三峡库区滑坡地质灾害研究。E-mail:yinklong@163.com

  • 中图分类号: P641.74

Chaotic Characteristics Identification and Prediction Using PSO-LSSVM Model of Reservoir Landslide Groundwater Level Time Series

  • 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。

     

  • 加载中
计量
  • 文章访问数:  113
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-11-27
  • 网络出版日期:  2023-05-27

目录

    /

    返回文章
    返回