基于时间序列与混合核函数SA-SVR的滑坡位移预测模型研究

本文针对阶跃型滑坡变形定量预测困难,提出一种基于时间序列分解与混合核函数SA-SVR的滑坡位移预测模型。首先基于时间序列分解原理,反复使用指数平滑法将滑坡累积位移分解为趋势项位移和周期项位移,使分解后的趋势项位移较平滑且能保证周期项位移的预测精度。同时针对多项式预测容易过拟合造成预测值偏离真实值的问题,采用K-flod交叉验证的3次多项式对趋势项位移进行预测;通过SVR核函数性质,构造泛化能力和学习能力都较强的混合核函数作为SVR模型的核方法,以滑坡诱发因子作为SVR模型输入向量,以模拟退火算法(SA)对使用混合核函数的SVR模型进行参数寻优,从而建立混合核函数的SA-SVR模型预测周期项位移;最后合并趋势项位移和周期项位移得到总位移预测值。以三峡库区白家包滑坡为例,选取ZG325监测点2012年1月~2020年9月数据进行研究,并以ZG324监测点作为辅助验证。结果表明,相较于传统SVR预测模型,模拟退火算法(SA)在参数寻优方面表现良好,混合核函数对SVR模型更加敏感,能较大幅度提高预测精度,具有较高的应用和推广价值。