小波分解层数及分量组合对滑坡预测的影响

卢献健,晏红波,梁月吉

(桂林理工大学 a.测绘地理信息学院;b.广西空间信息与测绘重点实验室,广西 桂林　541004)



小波分解层数及分量组合对滑坡预测的影响

卢献健,晏红波,梁月吉

(桂林理工大学 a.测绘地理信息学院;b.广西空间信息与测绘重点实验室,广西 桂林541004)

摘要：针对滑坡变形具有非平稳性、非线性与随机性变化特点,提出将小波分解与RBF神经网络相结合应用于滑坡变形预测。通过实验进行小波分解及不同低频-高频分量组合的预测,着重分析了不同的小波分解层数、分量组合形式以及预测步长对滑坡变形预测的影响。实验分析结果表明:只有选取适当的分解层数、合理的低频-高频分量组合与预测步长,才能得到最优的预测效果。同时也验证了本文方法的正确性,对于滑坡变形预测具有一定的参考意义。

关键词：滑坡预测;小波分解;分量组合;RBF神经网络

0引言

边坡位移及失稳是自然边坡与人工边坡经常遇到的变形现象,及时掌握边坡变形发展演化的规律,准确预测边坡变形的未来演化规律与发展趋势,对边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义[1]。由于滑坡成因复杂,滑坡变形信号通常表现为典型的非线性、非平稳性及随机性时间序列,传统的预测方法难以得到满意的预测效果。近年来,时间序列模型、神经网络模型及卡尔曼滤波模型在滑坡预测方面得到了成功应用[2-4]。同时,针对变形时间序列的特征提取,基于分解-合成的方法逐渐得到了重视,比如基于经验模态分解或小波分解,再结合神经网络或支持向量机等人工智能算法进行预测,这些组合预测模型取得了较传统方法更优的预测效果[5-8]。……