基于小波变换和galssvm的边坡位移预测

《基于小波变换和galssvm的边坡位移预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第30卷增刊2岩土力学Vol.30Supp.22009年12月RockandSoilMechanicsDec.2009文章编号：1000－7598(2009)增刊2－0394－05基于小波变换和GALSSVM的边坡位移预测马文涛（宁夏大学数学计算机学院，宁夏银川750021）摘要：边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程，用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明，用实测的边坡位移时间序列来预测边坡未来变形更为准确，而将多种方法组合起来进行预测成为研究的主要趋势。

2、在此基础上，建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量，然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构，再根据各个相空间的特点建立相应的GALSSVM预测模型，最后把各分量的预测结果进行小波重构，重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明，这种新的预测模型具有较高的预测精度，可以应用于实际工程。关键词：边坡；时间序列；小波变换；进化最小二乘支持向量机；相空间；位移；预测

3、中图分类号：TU45文献标识码：APredictionofslopedisplacementbasedonwavelettransformandgeneticalgorithm-leastsquaresupportvectormachineMAWen-tao(DepartmentofMathematics&ComputerEngineering,NingxiaUniversity,Yinchuan750021,China)Abstract:Theslopedisplacementisanexplicitpro

4、cessofthecomplicateddynamicsysteminvolvingmanymutualfacts.Andthephysicalmodelingisverydifficulttofulfillpredictionfunction.Asanalternative,itisprovedbymanystudyworkinwhichasetofdisplacementtimeseriestopredictthefuturedisplacementcanbeused;andunitedmanydiffe

5、rentmethodsasanewpredictingmodelwasaprincipaltrendofstudy.Basedonthis,anovelmodelbasedonwavelettransformandgeneticalgorithm-leastsquaresupportvectormachine(GALSSVM)forslopenonlineardisplacementforcastingisproposed.Firstly,slopedisplacementtimeseriesaredecom

6、posedintodifferentfrequencysignalsthroughthewavelettransform.Secondly,phasespaceofeachsignalsisreconstructed,andtimedelayandembeddingdimensionaredeterminedbymutualinformationmethodandfalsenearestneighbormethodrespectively.Then,therespectiveforcastingmodelof

7、genetic-leastsquaresupportvectormachineisconstructedaccordingtodifferentcharacteristicsofeachphasespace.Lastly,thepredictedresultsofthesignalsarereconstructedtobeusedasthefinalpredictionresultofslopedisplacement.Asatest,thismodelhasbeenusedindisplacementpre

8、dictionofDANBAslope.Theresultsindicatethatitisreliablewithhighprecision;anditcanbeusedtopracticalengineering.Keywords:slope;timeseries;wavelettransform;geneticalgorithm-leastsquaresupportvectormachine;