基于剪枝優(yōu)化CNN-LSTM混合模型在邊坡位移預(yù)測中的應(yīng)用

鄭海青， 趙越磊， 孫曉云， 靳 強

（1.石家莊鐵道大學電氣與電子工程學院，石家莊 050043； 2.河北金隅鼎鑫水泥有限公司，石家莊 050020）

滑坡作為一種自然地質(zhì)災(zāi)害，常常對人類的生命財產(chǎn)帶來較大的危害，科學準確構(gòu)建滑坡變形演化的預(yù)測預(yù)報模型是減少滑坡災(zāi)害的關(guān)鍵. 利用多期數(shù)據(jù)對同一點的變形時間序列進行分析，可以得到滑坡區(qū)內(nèi)某些關(guān)鍵點的位移—時間曲線，并據(jù)此進行滑坡穩(wěn)定性判別和中長期預(yù)警. 監(jiān)測僅是手段，預(yù)警才是目的. 因此，除應(yīng)重視地質(zhì)災(zāi)害監(jiān)測儀器研發(fā)和隱患點的專業(yè)監(jiān)測外，更應(yīng)高度重視地質(zhì)災(zāi)害預(yù)警工作，尤其是各種監(jiān)測數(shù)據(jù)的收集整理和分析，研究和建立地質(zhì)災(zāi)害預(yù)警模型和判據(jù)［1］.

現(xiàn)在的邊坡位移預(yù)測模型主要有回歸分析［2］、灰色理論、神經(jīng)網(wǎng)絡(luò)等［3］. He等［4］將Scoops3D模型與TRIGRS模型（3D）相結(jié)合，以預(yù)測淺層滑坡的時空分布，獲得更準確的結(jié)果. 但該法通常適用于滑坡少的地區(qū)，并缺乏降雨和滑坡穩(wěn)定性的定量研究. Xing等［5］用雙指數(shù)平滑法預(yù)測滑坡位移趨勢項，建立支持向量回歸和長短期記憶網(wǎng)絡(luò)的混合模型來預(yù)測滑坡位移周期項. 該方法保持較高的預(yù)測精度，降低低估率，從而可以自適應(yīng)地規(guī)避風險.

目前，由于確定性模型需要較多關(guān)于地質(zhì)條件等綜合數(shù)據(jù)［6］，所以其預(yù)測精度相對較低. 由灰色預(yù)測模型為代表性的統(tǒng)計模型，外延性較差. 通常僅對單個邊坡變形適用，普適性較差［7］. 基于非線性動力學理論的智能算法預(yù)……