[发明专利]一种混合智能模型的水动力型滑坡位移预测方法

权利要求书

1.一种混合智能模型的水动力型滑坡位移预测方法，其特征是，包括如下步骤：

对预获取的目标滑坡的位移时间序列进行EEMD分解，获取不少于两个特征频谱分量和一个残余项分量；

基于特征频谱分量、残余项分量、预获取的目标滑坡的影响因子，求取滑坡累计位移的预测值。

2.根据权利要求1所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述位移时间序列的获取方法，包括：

通过目标滑坡的位移监测点获取位移监测数据；

基于连续时域的位移监测数据生成累计位移时间序列，作为目标滑坡的位移时间序列。

3.根据权利要求1所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述影响因子的获取方法，包括：

通过目标滑坡的雨量监测点或／和水位监测点获取降雨量监测数据、库水位监测数据、地下水位监测数据中的至少任一项；

基于连续时域的降雨量监测数据、库水位监测数据、地下水位监测数据中的至少任一项，生成目标滑坡的影响因子。

4.根据权利要求3所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，基于连续时域的降雨量监测数据所生成的目标滑坡的影响因子，包括：当周降雨量、前两周降雨量、一周最大降雨量中的至少任一项；

基于连续时域的库水位监测数据所生成的目标滑坡的影响因子，包括：库水位或／和库水位变化；

基于连续时域的地下水位监测数据所生成的目标滑坡的影响因子，包括：地下水位或／和地下水位变化。

5.根据权利要求1所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，滑坡累计位移的预测值的求取方法，包括：

提取残余项分量作为滑坡趋势项位移，提取特征频谱分量作为滑坡波动项位移；

对滑坡趋势项位移进行拟合直至其逼近于一条直线，获取拟合函数，作为目标滑坡的趋势项位移预测值；

求取影响因子与滑坡波动项位移之间的灰色关联度，将所求取的灰色关联度与预设的关联度阈值进行比对，提取不小于关联度阈值的灰色关联度所对应的影响因子，作为滑坡波动项位移的初始影响因子；

基于预设的选取标准提取初始影响因子的主成分函数；

将主成分函数及其对应的前次滑坡波动项位移作为预建立的预测模型的输入变量，建立新的指标数据库；

基于新的指标数据库，通过预测模型求取目标滑坡的波动项位移预测值；

对趋势项位移预测值与波动项位移预测值求和，获取滑坡累计位移的预测值。

6.根据权利要求5所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，对滑坡趋势项位移进行拟合的方法，包括：采用二次多项式。

7.根据权利要求5所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述主成分函数的提取方法，包括：对初始影响因子进行KPCA处理。

8.根据权利要求5所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述选取标准为累计贡献率超过95％。

9.根据权利要求5所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述关联度阈值为0.5。

10.根据权利要求5所述的混合智能模型的水动力型滑坡位移预测方法，其特征是，所述预测模型采用PSO-LSSVM预测模型。