申请/专利权人：长安大学

申请日：2021-01-18

公开（公告）日：2021-04-23

公开（公告）号：CN112699572A

主分类号：G06F30/20(20200101)

分类号：G06F30/20(20200101);G06F119/14(20200101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.05.11#实质审查的生效;2021.04.23#公开

摘要：本发明公开了一种基于时滞相关性分析预测滑坡变形的方法，涉及滑坡预测技术领域，包括S1：获取观测序列、S2：数据的预处理、S3：时滞互相关分析、S4：确定预测模型参数、S5：时滞GM1,3模型预测、S6：模型对比评估，利用新浦滑坡的GNSS位移监测数据、奉节气象站降雨量数据以及三峡库区库水位数据，通过对监测区内9个GNSS点的位移速度序列与降雨量、库水位序列进行时滞互相关分析，确定出时滞参数，进而应用多参数的灰色系统理论方法，建立了时滞GM1,N预测模型，并对滑坡位移速率进行预测验证，本方法对滑坡的预测值相比传统模型预测值更准确。

主权项：1.一种基于时滞相关性分析预测滑坡变形的方法，其特征在于，包括以下步骤：S1：获取观测序列：在水库滑坡体上设置多个监测点，获取各监测点滑坡地表在一定时间内的累计位移变化数据、各监测点滑坡地表在一定时间内位移速率的变化数据、一定时间内日降雨量和水库水位高度变化数据；S2：数据的预处理：对得到的波动较大位移速率时间序列，降雨量时间序列，水库水位高度变化序列进行粗差剔除与平滑处理；S3：时滞互相关分析：对于各监测点位移速率的时间序列X1k和滑坡诱发因素的时间序列X2k，滑坡诱发因素为降雨量或库水位升降，求得二者的互相关函数，该函数取得最大值时即得到延迟时间τ，即为位移速率对降雨及库水位涨落的响应滞后时间，由此即得时滞参数τ；S4：确定预测模型参数：通过S3中得到的各监测点的时滞参数τ，将各监测点的时滞参数τ代入时滞GM1,3模型中进行计算；S5：时滞GM1,3模型预测：通过步骤S4计算得到后续一段时间的模型预测数值；S6：模型对比评估：全面分析时滞GM1,3模型对滑坡位移的预测性能，基于相同数据，通过与GM1,1模型和未顾及时滞因素的GM1,3模型进行对比，选用均方根误差RMSE、平均绝对误差MAD以及决定系数R2对预测结果进行评价,分别评价模型实测值与预测值的差异水平、绝对误差及模型拟合优度。

全文数据：

权利要求：

百度查询： 长安大学 一种基于时滞相关性分析预测滑坡变形的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD