典型文献
基于长期监测数据与LSTM网络的滑坡位移预测
文献摘要：
滑坡位移变化是危险性的直接表征,位移预测对防灾减灾至关重要.以八字门滑坡为例,基于十年监测数据和神经网络模型(LSTM、RNN)进行滑坡位移预测.用一次移动平均法将总位移分解为趋势项和周期项,趋势项采用三次多项式函数进行分段拟合预测,通过神经网络模型和建立周期项与特征因子的关系并进行预测.其中,周期项特征因子根据位移影响因素初步选取,再通过Pearson相关性分析剔除无关因子.将预测的趋势项、周期项相加即为总位移预测值,对预测值与真实值进行误差分析,绝对误差为10 mm (LSTM)、24 mm (RNN),相关系数R2为0.9715 (LSTM)、0.6675 (RNN).结果 表明:LSTM在面对长时间序列时表现出更好的预测能力,该预测结果可以为八字门滑坡的防灾减灾工作提供理论参考.
文献关键词：
滑坡位移;监测数据;长短时间记忆网络;位移预测
中图分类号：
作者姓名：
梁阳;肖婷;胡程;任世聪;曾亮
作者机构：
重庆三峡学院电子与信息工程学院,重庆404000;北京理工大学重庆创新中心,重庆401135;北京理工大学信息与电子学院雷达技术研究所,北京100081;重庆市地质矿产研究院,重庆400042
文献出处：
引用格式：
[1]梁阳;肖婷;胡程;任世聪;曾亮-.基于长期监测数据与LSTM网络的滑坡位移预测)[J].信号处理,2022(01):19-27
A类：
B类：
长期监测,滑坡位移预测,位移变化,防灾减灾,八字门滑坡,RNN,移动平均法,总位移,趋势项,周期项,三次多项式,多项式函数,分段拟合,特征因子,位移影响,相加,即为,真实值,误差分析,绝对误差,长时间序列,预测能力,长短时间记忆网络
AB值：
0.260034
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
