库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。

重庆藕塘滑坡地下水位时间序列混沌性判别与预测

在周期性库水位涨落和季节性强降雨等因素影响下,藕塘滑坡前缘地下水位时间序列呈现混沌特性。以藕塘滑坡前缘水文孔(MZK5)地下水位序列为研究对象,进行混沌分析;并利用饱和关联维数法和最大Lyapunov指数法,在水位序列相空间重构的基础上对混沌特性验证。为克服粒子群算法本身的不足和SVR模型参数选取困难的缺点,采用基于遗传选择策略的粒子群算法(GSSPSO)优化选取SVR模型的参数,再用预测性能较为精准的回归型支持向量机(SVR)模型对其进行预测。对MZK5水文孔地下水位进行了BP神经网络模型预测和优化后模型(GSSPSO-SVR)预测。结果表明:藕塘滑坡前缘地下水位序列具有混沌特征,GSSPSOSVR模型预测结果的均方根误差为0.036 m,拟合优度为0.803,说明GSSPSO-SVR模型预测效果较理想,且预测精度高于BP网络模型,具有较强的实用性。

西影井水位的相空间重构及其与地震活动关系

地下水位的动态演变过程对地震活动性分析具有重要意义,西影井水位时间序列受多种因素影响,呈现出高度非线性非平稳的特征.根据混沌理论,采用相空间重构GP算法,分析了西影井水位日均值差分时间序列的混沌动力学特征,结果表明其最小嵌入维数为8,并在此基础上研究了西影井水位日均值差分时间序列饱和关联维的时间变化特征.结果表明,西影井水位日均值差分时间序列饱和关联维随时间的变化与西安及邻区地震活动和中强地震孕育过程密切相关,在1998年1月5日泾阳5. 2级地震前后,西影井水位日均值差分时间序列饱和关联维经历了明显的上升—下降—加速下降—回升的过程.这种分维变化特征可能与地震孕育过程有关,可能反映了地震孕育过程中区域应力场的变化,有助于捕捉未来该地区中强地震发生的前兆信息.

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列受多种因素影响,呈现出高度非线性非平稳的特征.为对其进行预测,提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine,简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解,将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列;然后重构各子序列的相空间,再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测,最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例,首先分析滑坡前缘地下水位变化的影响因素,再将WA-PSVM模型应用于地下水位预测,并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation,简称WA-BP)作对比.结果表明:滑坡前缘地下水位受降雨和库水位影响较大,利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966,WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题,在不考虑影响因素的情况下能获得满意的预测效果,具有较高的建模效率和较强的实用性.