公开(公告)号：CN116522286A

公开(公告)日：2023-08-01

申请号：CN202310396175.8

申请日：2023-04-14

Applicant: 常州大学

Inventor： 周浩 ,  朱平华 ,  蒋宏伟 ,  吴月旭 ,  宗美荣 ,  刘惠

IPC: G06F18/27 ,  G01B21/02 ,  G06F18/2411 ,  G06F18/214 ,  G06N3/0442 ,  G08B21/10

Abstract: 本发明公开了一种逻辑回归优化的SVR‑LSTM滑坡位移预测方法及系统包括：收集各监测点的滑坡位移数据，采用平均移动法将数据分解为趋势项数据和周期项数据；根据滑坡位移数据构建数据集，并初步筛选候选输入因素，对候选输入因素和周期项数据进行Pearson相关系数分析获取模型输入因子；利用支持向量回归算法和LSTM算法分别对趋势项和周期项进行预测，并分别获取两种算法对应的总位移预测结果；将模型输入因子和总位移预测结果作为LR分类算法的备选因素，通过LR分类算法计算支持向量回归模型和LSTM模型的权重，并对数据进行处理后得到逻辑回归优化的总位移预测值；本发明的方法有助于提高预测结果的准确性及稳定性，在滑坡易发区的滑坡位移预测中具有应用潜力。

公开(公告)号：CN116756700A

公开(公告)日：2023-09-15

申请号：CN202310396179.6

申请日：2023-04-14

Applicant: 常州大学

Inventor： 蒋宏伟 ,  周浩 ,  吴月旭 ,  陈春红 ,  王新杰

IPC: G06F18/27 ,  G06F18/214 ,  G06N20/20 ,  G01B21/02 ,  G08B21/10

Abstract: 本发明公开了基于滑窗法和Stacking集成学习算法的滑坡位移预测方法及系统包括：收集各监测点的滑坡位移数据，采用移动平均法将数据分解为趋势项数据和周期项数据；根据数据构建数据集，并初步筛选候选输入因素，对候选输入因素和周期项数据进行Pearson相关系数分析获取模型输入因子；将模型输入因子分解为拟合集和预测集，并基于滑窗法和Stacking集成深度学习算法进行预测得到周期项位移预测结果；利用支持向量回归算法对趋势项数据进行预测得到趋势项位移预测结果，将周期项位移预测结果和趋势项位移预测结果相加得到总滑坡位移预测结果；本发明采用的Stacking集成模型将多种深度学习算法有效融合对滑坡位移进行预测，进一步提高了预测结果的准确性及稳定性。