遺傳算法下的滑坡蠕滑位移預(yù)測模型研究

馮 諭，曾懷恩,2,3，涂鵬飛,3

（1.三峽大學(xué)土木與建筑學(xué)院，湖北 宜昌 443002；2.湖北長江三峽滑坡國家野外科學(xué)觀測研究站，湖北 宜昌 443002；3.湖北省水電工程施工與管理重點實驗室（三峽大學(xué)），湖北 宜昌 443002)）

0 引言

中國是地質(zhì)災(zāi)害高發(fā)國家之一，各類地質(zhì)災(zāi)害給人們的生命和財產(chǎn)造成了巨大的損失[1]。滑坡災(zāi)害作為我國山區(qū)最具破壞力的地質(zhì)災(zāi)害之一，對人民生活造成了重大影響。滑坡位移預(yù)測一直是眾多學(xué)者研究防治滑坡災(zāi)害的重要依據(jù)，針對不同力學(xué)特性下的滑坡位移，選取相應(yīng)的預(yù)測模型可以使得滑坡位移預(yù)測精度更高，效果更好。

近年來，隨著各種機器學(xué)習(xí)算法與擬合理論的不斷發(fā)展。對于滑坡位移的預(yù)測，曹博等[2]提出了一種蟻群算法優(yōu)化極限學(xué)習(xí)機（extreme learning machine,ELM）滑坡位移預(yù)測模型；陳嘉偉[3]提出了一種粒子群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)滑坡位移預(yù)測模型（particle swarm optimization back propagation，PSO-BP）；王江榮[4]提出了用MATLAB 工具箱進行的高斯擬合滑坡位移預(yù)測模型；楊偉東等[5]提出了一種結(jié)合自適應(yīng)粒子群算法（adaptive particle swarm optimization,APSO）、支持向量機回歸算法（support vector regression,SVR）、門控神經(jīng)網(wǎng)絡(luò)算法（gated recurrent unit,GRU）的組合模型。袁于思等[6]提出了粒子群算法優(yōu)化改進支持向量機滑坡位移預(yù)測模型（PSO-DSRVM）等等。雖然這些模型預(yù)測精度較好，但在建立上僅有數(shù)學(xué)性，缺乏相關(guān)力學(xué)理論支撐，對不同力學(xué)特性產(chǎn)生的滑坡位移預(yù)測分析上沒有針對性；同時，過分強調(diào)滑坡位移預(yù)測的精確性，可能會導(dǎo)致預(yù)測分析時將監(jiān)測誤差也考慮在預(yù)測范圍內(nèi)的情況發(fā)生，這使得滑坡預(yù)測模型產(chǎn)生了一定的過擬合性。……