滑坡变形的Elman神经网络动态预测方法

    公开(公告)号:CN107578093A

    公开(公告)日:2018-01-12

    申请号:CN201710827054.9

    申请日:2017-09-14

    申请人: 长安大学

    IPC分类号: G06N3/04 G06N3/08 G06Q10/04

    摘要: 本发明公开了滑坡变形的Elman神经网络动态预测方法,涉及滑坡预测技术领域,将Elman神经网络的动态特性应用到滑坡变形动态预测中,建立基于Elman神经网络的滑坡变形动态预测模型,并将该模型应用到中区滑坡变形监测点的加速变形预测实例中,预测结果表明变形预测结果与实测值趋势基本一致,预测结果精度高,并且基于Elman神经网络的滑坡变形预测模型有很强的动态特性和自适应能力,可以根据滑坡实时变形状态对滑坡变形进行动态预测,且预测结果准确率高。

    边坡变形预测方法
    4.
    发明授权

    公开(公告)号:CN110457655B

    公开(公告)日:2022-11-25

    申请号:CN201910740277.0

    申请日:2019-08-12

    申请人: 长安大学

    IPC分类号: G06F17/18 G06N7/08

    摘要: 本发明公开了边坡变形预测方法,涉及地质监测技术领域,先获取边坡变形数据,利用混沌理论判断数据是否具有混沌特性,当具有混沌特性时,将权零阶局域预测模型、改进的一阶加权局域预测模型和改进的最大Lyapunov指数预测模型结合起来,建立最优权联合混沌预测模型,最后采用预测模型进行变形预测。本发明以延安某滑坡治理工程为例进行了实例分析,分析结果表明本发明的预测方法能够得到更精确的预测结果,对防灾减灾有很好的指导意义。

    边坡变形预测方法
    5.
    发明公开

    公开(公告)号:CN110457655A

    公开(公告)日:2019-11-15

    申请号:CN201910740277.0

    申请日:2019-08-12

    申请人: 长安大学

    IPC分类号: G06F17/18 G06N7/08

    摘要: 本发明公开了边坡变形预测方法,涉及地质监测技术领域,先获取边坡变形数据,利用混沌理论判断数据是否具有混沌特性,当具有混沌特性时,将权零阶局域预测模型、改进的一阶加权局域预测模型和改进的最大Lyapunov指数预测模型结合起来,建立最优权联合混沌预测模型,最后采用预测模型进行变形预测。本发明以延安某滑坡治理工程为例进行了实例分析,分析结果表明本发明的预测方法能够得到更精确的预测结果,对防灾减灾有很好的指导意义。