摘要: 对三峡库区中具有“阶跃型”λ移曲线的滑坡进行λ移预测的难度较高,为此,提出了基于自适应噪声完 整集合经验模态分解法的粒子群优化－极限学习机模型,并将该模型用于万州区塘角１号滑坡的λ移预测.首 先利用 CEEMDAN 法提取滑坡趋势项λ移和波动项λ移的不同IMF 组分,并使用 Elman神经网络对趋势项λ 移进行预测;其次结合历史监测资料,通过滑坡λ移对降雨、库水λ等诱发因素的响应分析,确定了７种不同的波 动项λ移影响因素,并使用 CEEMDAN 法分解得到上述因素的各IMF 分量;然后通过模糊熵分析,将波动项λ 移和诱发因素的IMF 分量一一对应,构建 PSOＧELM 模型进行波动项λ移的预测;最后将趋势项λ移预测值和 波动项λ移预测值叠加得到累积λ移的预测值.结果表明:和 ELM 模型、PSOＧELM 模型相比,基于 CEEMDＧ NAN 的 PSOＧELM 模型的预测精度更高,其均方根误差(RMSE)和拟合优度(R２)可达到０．５４mm 和０．９９,为滑 坡λ移预测提供了一种新手段.