最优加权组合模型在边坡变形预测中应用

《最优加权组合模型在边坡变形预测中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、最优加权组合模型在边坡变形预测中应用　　摘要：利用某岩质边坡2002年-2011年的变形监测资料，结合区域地质与气象背景，运用莱茵达准则选定有效的监测数据，分别建立了GM（1，1）模型和趋势曲线预测模型；最后，基于最优加权组合原理，建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测，模拟变形趋势与实际变形趋势对比结果表明，组合模型的预测精度高于任何单一模型的拟合精度，证明该组合模型合理、可靠。关键词：莱茵达准则；最优加权组合模型；GM（1，1）模型；趋势曲线预测

2、模型；变形预测中图分类号：TU45；P642.22文献标识码：A文章编号：目前用于岩土工程变形预测的数学方法中，应用较多的有时序分析[12]、灰色数学[35]、神经网络[67]、模糊数学[8]等。通过这些方法建立的数学模型在边坡变形预测中各有优势，但是由于岩土工程的复杂性，很难用某个单一模型或方法来精确描述边坡的变形演化规律。Bates.J.M.和Granger.C.W.J.[9]于1969年首次提出组合预测法，比单个预测模型具有更高的预测精度和稳定性，且能更好地适应未来环境变化，因此，将多种预

3、测模型进行加权组合，发挥各自单一模型的特点，在实践中得到了广泛应用[1012]。7[JP+2]本文根据最优加权组合预测模型的建模原理和灰色系统GM（1，1）模型，以某水电站边坡2008年-2011年测点A1的变形监测资料为例，分别建立了GM（1，1）模型、多项式和指数趋势曲线预测3个单一模型，进行优选后建立了最优加权组合预测模型，用来预测A1测点未来的水平位移。[JP]1工程地质及环境量从图4可以发现，测点A1的累计位移随时间变化趋势呈先增大后趋于稳定趋势，最后位移增大到430mm左右时，累计位

4、移保持稳定；从图5可以发现，测点A1的位移增量随时间变化趋势呈先增大后减小趋势。7结论以测点A1的自动化变形观测资料为例，根据最优加权组合法建立了以灰色系统GM（1，1）模型、多项式模型和幂函数模型，作为加权单一模型的最优加权组合模型，结果如下。（1）在该测点的加权组合模型中，由于幂函数模型的权重出现了负值，说明幂函数模型在组合预测模型中的贡献率为负，因此在加权组合模型中幂函数模型应予剔除。（2）对比4种预测模型，发现最优加权组合预测模型的预测精度明显优于其他3种模型，结果更准确。7（3）从图1

5、中测点A1的水平位移增量随时间的变化关系得出的结论以及一般边坡位移变化的规律，不难发现测点A1的水平位移增量已有呈先增大后趋于稳定再减小的趋势，这与模型预测的趋势是相符的，同时考虑到2010年之后对边坡的加固措施改进工程的实施，进一步证明了最优加权组合预测模型在该边坡变形预测中的应用是合理的。[HJ1.99mm]参考文献（References）：[1]李强，李端有.滑坡位移监测动态预报时间序列分析技术研究[J].长江科学院院报，2005，22（6）：1619.（LIQiang，LIDuanyou

6、.ResearchofDynamicPredicationTechniqueforLandslideDisplacementMonitoring[J].JournalofYangtzeRiverScientificResearchInstitute，2005，22（6）：1619.（inChinese））[2]史玉峰，孙保琪.时间序列分析及其在变形数据分析中的应用[J].金属矿山，2004，（8）：1315.（SHIYufeng，SUNBaoqi.TimeSeriesAnalysisandIts

7、ApplicationinAnalysisofDeformationData[J].MetalMine，2004，（8）：1315.（inChinese））[3]巫德斌，徐卫亚.基于GM（1，1）优化模型的岩石边坡变形预测[J].[JP]中国地质灾害与防治学报，2003，14（1）：8589.（WUDebin，XUWeiya.ForecastingofRock7SlopeDisplacementBasedonGM（1，1）OptimizedModel[J].TheChineseJournalof

8、GeologicalHazardandControl，2003，14（1）：8589.（inChinese））[JP][4]何习平，华锡生，何秀凤.加权多点灰色模型在高边坡变形预测中的应用[J].岩土力学，2007，28（6）：11871191.（HEXiping，HUAXisheng，HEXiufeng.WeightedMultipointGreyModelandItsApplicationtoHighRockSlopeDeformationForecast[J].RockandSoilMec