(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110888118.2 (22)申请日 2021.08.0 3 (65)同一申请的已公布的文献号 申请公布号 CN 113627066 A (43)申请公布日 2021.11.09 (73)专利权人 成都理工大 学 地址 610059 四川省成 都市成华区二仙桥 东三路1号 (72)发明人 蒋亚楠　廖露　罗袆沅　燕翱翔　 刘陈伟　吕鹏　孟然　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 李梦蝶 (51)Int.Cl. G06F 30/27(2006.01)(56)对比文件 CN 112270400 A,2021.01.26 US 2021/ 0049515 A1,2021.02.18 审查员 孙韬敏 (54)发明名称 一种水库 库岸滑坡的位移预测方法 (57)摘要 本发明公开了一种水库库岸滑坡的位移预 测方法， 获取滑坡的历史数据， 将该历史数据作 为训练集， 该历史数据具体为水库的水位、 水库 所在地的降雨数据和滑坡的滑坡的位移观测值， 然后建立滑坡位移预测模型， 通过训练集对滑坡 位移预测模 型进行训练， 再基于训练后的滑坡位 移预测模型进行库岸滑坡位移预测， 滑坡位移预 测模型在 进行预测时， 会将上一时刻滑坡累积位 移值分解为滑坡位移周期 项、 滑坡位移趋势项和 滑坡位移随机项， 将影 响因子进行分解并和滑坡 位移周期项、 滑坡位移趋势项和滑坡位移随机项 输入滑坡位移预测模型中得到预测时刻 的滑坡 位移趋势项、 滑坡位移周期项和滑坡位移随机 项， 并将其相加即为预测时刻的滑坡累积位移， 实现了滑坡位移的预测。 权利要求书2页 说明书7页 附图1页 CN 113627066 B 2022.08.16 CN 113627066 B 1.一种水库 库岸滑坡的位移预测方法， 其特 征在于， 所述方法包括以下步骤： S1、 获取所述滑坡的历史数据， 并将所述历史数据作为训练集， 所述历史数据 具体为所 述水库的水位、 所述水库的降雨数据和所述滑坡的滑坡位移值； S2、 建立滑坡位移预测模型， 并通过 所述训练集对所述滑坡位移预测模型进行训练； S3、 基于训练后的所述滑坡位移预测模型进行滑坡的位移预测； 所述步骤S2中通过所述训练集对所述滑坡位移预测模型进行训练， 具体包括以下分步 骤： S21、 将所述训练集以年 为周期进行分组得到多组的年训练数据； S22、 根据所述 年训练数据的组数确定初步滑坡位移预测模型的数量； S23、 将所述初步滑坡位移预测模型从1开始进行编号， 且所述编号 为正整数； S24、 根据所述编号确定训练每一个所述初步滑坡位移预测模型的所述年训练数据的 组数， 且每一个所述初步滑坡位移预测模型对应的各组年训练数据之间不重复； S25、 对每一个所述初步滑坡位移预测模型进行训练； 基于训练后的多个所述初步滑坡位移预测模型建立最优组合模型， 并将所述最优组合 模型作为所述滑坡位移预测模型； 所述步骤S25具体包括以下分步骤： S251、 在所述训练集中获取预测时刻的上一时刻对应的滑坡位移值和影响因子， 所述 影响因子具体为库水位月平均高程、 月降雨量、 预测时刻前两个月累积降雨量、 单月变化幅 度、 单月变化速率和双月变化幅度； S252、 通过所述初步滑坡位移预测模型中的变分模态分解单元将所述上一时刻对应的 滑坡累积位移值分解 为滑坡位移周期项、 滑坡位移趋势项和滑坡位移随机项； S253、 通过所述变分模态分解单元将所述影响因子分解为周期项影响因子和随机项影 响因子； S254、 将所述滑坡位移周期项、 所述滑坡位移随机项、 所述周期项影响因子和所述随机 项影响因子输入至所述初步滑坡位移预测模型中的门控循环单元， 通过所述门控循环单元 得到所述预测时刻的预测滑坡位移周期项和预测滑坡位移随机项； S255、 将所述滑坡位移趋势项输入到所述初步滑坡位移预测模型中的二次指数平滑法 模型中并得到所述预测时刻的预测滑坡位移趋势项； S256、 将所述预测滑坡位移周期项、 所述预测滑坡位移随机项和所述预测滑坡位移趋 势项三者相加得到所述预测时刻的预测位移值。 2.如权利要求1所述的水库库岸滑坡的位移预测方法， 其特征在于， 所述步骤S256具体 还包括以下分步骤： S2561、 通过判定系数和均方根误差确定出对所述预测滑坡位移周期项预测结果最优 的初步滑坡位移预测模型， 并将其作为第一初步滑坡位移预测模型， 通过判定系 数和均方 根误差确定出对所述预测滑坡位移随机项 预测结果最优的初步滑坡位移预测模型， 并将其 作为第二初步滑坡位移预测模型； S2562、 将所述第一初步滑坡位移预测模型和所述第二初步滑坡位移预测模型组合在 一起作为所述 最优组合模型， 并将所述 最优组合模型作为所述滑坡位移预测模型。 3.如权利要求1所述的水库库岸滑坡的位移预测方法， 其特征在于， 所述滑坡位移预测权　利　要　求　书 1/2 页 2 CN 113627066 B 2模型进行预测训练是序贯预测， 所述序贯预测 为每次预测时只对当前预测时刻进行预测， 并且在所述当前预测时刻 有实际监测位移值时， 将该实际监测位移 值纳入所述训练集中进 行下一个预测时刻的预测。 4.如权利要求2所述的水库库岸滑坡的位移预测方法， 其特征在于， 所述步骤S3具体包 括以下分步骤： S31、 获取实际预测时刻的上一时刻对应的滑坡累积位移值和影响因子； S32、 通过所述滑坡位移预测模型中的变分模态分解单元将所述实际预测时刻的上一 时刻对应的滑坡累积位移值分解 为滑坡位移周期项、 滑坡位移趋势项和滑坡位移随机项； S33、 通过所述滑坡位移预测模型中的第一初步滑坡位移预测模型、 影响因子和所述实 际预测时刻的上一时刻对应的滑坡位移周期项对所述实际预测时刻的滑坡位移周期项进 行预测； S34、 通过所述滑坡位移预测模型中的第二初步滑坡位移预测模型、 影响因子和所述实 际预测时刻的上一时刻对应的滑坡位移随机项对所述实际预测时刻的滑坡位移随机项进 行预测； S35、 通过所述滑坡位移预测模型中的二次指数平滑法模型和所述实 际预测时刻的上 一时刻对应的滑坡位移趋势项对所述实际预测时刻的滑坡位移趋势项 进行预测； S36、 将预测得到的所述实际预测时刻的滑坡位移周期项、 所述实际时刻的滑坡位移随 机项和所述实际时刻的滑坡位移趋势项三 者相加作为所述实际预测时刻的位移预测值。权　利　要　求　书 2/2 页 3 CN 113627066 B 3