一种基于机器学习和概率理论的滑坡区间预测方法
公开
摘要
本发明涉及一种基于机器学习和概率理论的滑坡区间预测方法，包括以下步骤，使用VMD分解技术将滑坡累计监测位移时间序列数据分解为多个IMF分项和一个残余项R，将各IMF分项叠加得到位移波动项，R视为位移趋势项；对位移趋势项进行多项式拟合，并采用最小二乘法对其进行预测；根据Copula模型选取位移波动项的有效影响因子，所得有效影响因子作输入参数，所得位移波动项作输出参数，建立KELM模型，对位移波动项进行预测；分别计算位移趋势项与位移波动项的滑坡位移预测误差；确立各位移项最符合其真实分布的先验分布概率密度函数，根据确定的先验分布概率密度函数求取对应的累积概率分布函数，以此计算得到各位移项被预测时刻对应的参数法预测区间。
基本信息
专利标题 ：
一种基于机器学习和概率理论的滑坡区间预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580260A
申请号 ：
CN202111172467.0
公开（公告）日 ：
2022-06-03
申请日 ：
2021-10-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李龙起姚忠劭黄杨王梦云徐雷胡忠良
申请人 ：
成都理工大学
申请人地址 ：
四川省成都市二仙桥东三路1号
代理机构 ：
成都创新引擎知识产权代理有限公司
代理人 ：
莫帅
优先权 ：
CN202111172467.0
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
