基于VMD-SegSigmoid-XGBoost-ClusterLSTM算法的山体滑坡表面位移预测

山体滑坡表面位移的预测可以帮助预估新的潜在滑裂面,避免造成更加严重的危害。本文针对芷江县禾梨坳乡大沙界村牛塘坳组滑坡单方向表面位移数据进行建模研究,提出一种基于变分模态分解的时间序列预测框架VMD-SegSigmoid-XGBoost-ClusterLSTM,可较准确地预测滑坡表面位移。该模型在数据集上表现较好,除去较难拟合的残差项子序列,趋势项子序列和周期项子序列的均方根误差和平均绝对百分比误差均小于0.1,其中XGBoost周期项预测模块的均方根误差低至0.006。