基于时间序列和GRU的滑坡位移预测

鄢 好，陈 骄 锐，李 绍 红，吴 礼 舟

(成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059)

1 研究背景

滑坡是一种危害极大的地质灾害，滑坡的发生往往造成公路阻断、供电供水设施毁坏、生态破坏，给人民群众生命财产安全造成极大威胁。滑坡位移预测是滑坡灾害防治的基础性工作之一[1]。

数学模型预测是当前滑坡位移预测采用的主要方法。通常来说，滑坡预测方法可分为单因素和多因素预测法。例如Verhulst模型[2-5]、GM(n，1)[6-8]等单因素法运用于滑坡预测都取得了较好效果。随着信息技术和监测技术的更新，目前更倾向于使用多因素法。杜鹃[9]等基于诱发因素的响应分析，搭建BP神经网络对滑坡位移周期项进行预测；张俊[10]等基于时间序列与PSO-SVR耦合模型，建立了周期性位移与外在因素的响应关系；周超等[11]基于小波变换和ELM模型，提出了混沌时间序列WA-ELM 滑坡位移预测模型。一般认为，当信息足够时，考虑多因素的“学习型”方法比考虑单因素的方法显得更合理。但目前这类方法多属于静态模型[12]，限于隐含层网络单向传递结构特点，往往无法顾及滑坡自身演化的趋势，从而制约了模型的预测效果。随着深度学习的兴起，杨背背等[12]将长短时记忆网络应用于滑坡预测，建立了滑坡位移变化过程的动态预测模型。GRU( Gated Recurrent Unit )作为长短时记忆网络的一种优化模型，在自动化识别与分类方面取得了良好的效果[13-14]，但目前在滑坡位移预测中的应用研究还相对较少。……