中国安全科学学报

作者：唐宇峰, 胡光忠, 周帅

单位：1 四川轻化工大学 机械工程学院, 四川 宜宾 644005；2 重大危险源测控四川省重点实验室, 四川 成都 640031；3 四川省安全科学技术研究院, 四川 成都 640031

关键词：动态残差修正,长短时记忆(LSTM)算法,突发型滑坡,位移预测,流转训练,经验模态分解(EMD)

基金：重大危险源测控四川省重点实验室开放课题(KFKT-2021-01)

针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法。首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势。结果表明:将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R2指标分别为43.843、1.901%、79.394和0.960,相比于传统LSTM预测方法具有明显优势。

来源：2023年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第8期