专利名称：一种边坡位移预测方法
技术领域：
本发明涉及一种边坡位移预测方法，特别是关于一种涉及露天矿开采的基于模态分解和支持向量机的边坡位移预测方法。
背景技术：
通过大量实地调查及研究表明，库岸滑坡往往造成的后果非常严重，甚至是毁灭性的。例如:美国Grand Coulee水库在1941年 1953年的蓄水期间，共出现高达500次的滑坡事件，这不仅大大削减了水库的有效库容，还造成很大的人员伤亡和财产损失。2003年7月13日晨，三峡库区蓄水后不久，千将坪发生滑坡，也造成了大量的人员和财产损失，形成了堰塞湖。现有技术中通过位移时序来进行边坡位移预测的方法主要有灰色理论、自回归模型和多项式拟合等，但是这些方法都具有一定的局限性，例如:灰色理论其指数变化偏主观，从而不能较为真实预测出实际位移变化拟合，位移时序的随机波动性往往无法得到合理的预测效果；自回归模型，对学习样本又有较多的条件限制，自回归对于学习样本的假设条件过多，往往忽略实际情况，导致预测结果出现偏差；多项式拟合方法往往不能较好地反映实际情况，因为实际情况中数据是非常复杂的，多项式并不能拟合很多复杂问题。
发明内容
针对上述问题，本发明的目的是提供一种能够对边坡位移进行中短期预测，准确度高的基于模态分解和支持向量机的边坡位移预测方法。为实现上述目的，本发明采取以下技术方案:一种边坡位移预测方法，其包括以下步骤:1)通过在待监测的边坡设置位移传感器获取位移监测数据，并将所述位移监测数据通过数据采集系统进行采集，并将采集的所述位移监测数据存入历史数据库；2)将所述历史数据库中的边坡位移监测数据作为时间序列进行处理，其中，时间为采集到数据的实时时间，边坡位移监测值作为时间的因变量；3)采用经验模式分解算法对边坡位移监测数据的时间序列数据进行EMD分解，获得多个IMF分量；4)对于每一 IMF分量分别基于支持向量机进行预测，并将所有IMF分量的预测值进行累加，获得预测结果；5)判断是否还需要对其它的位移监测数据进行预测，如果需要则重复所述步骤3) 5)进行预测，否则，结束预测，预测过程中按照先入先出的队列顺序进行更新。所述步骤3)采用经验模式分解算法对边坡位移监测数据的时间序列数据进行EMD分解，获得多个IMF分量，具体过程为:①对于某一个位移观测信号Yt，通过插值法分别拟合出上、下两包络线按顺序连接上、下两条包络线的均值，得到均值线mjt);③采用位移观测信号Yt减去Hl1⑴得到hjt);④当hjt)满足固有模态函数所需的条件时，$Cl(t) 进入步骤⑤，当Ii1 (t)并不满足固有模态函数所需的条件时，将Ii1 (t)当作原始信号，重复上述步骤① ③迭代&次，在每次迭代的过程中需要根据停止准则判断迭代后的信号是否满足固有模态函数所需的条件，如果不满足，则继续迭代，如果满足令= 进入步骤⑤；⑤采用位移观测信号Yt减去Cl(t)得到残差巧⑴；⑥将Για)看作一组新信号重复上述步骤① ⑤的模态分解过程，经多次运算可以得到全部的残差rn(t)，iri(t)满足设定条件使得cn(t)或&(0小于预定的误差，或者残差rn(t)成为一单调函数，终止模态分解，得到多个IMF分量。所述步骤4)对于每一 IMF分量分别基于支持向量机进行预测的具体过程为:根据SVM函数拟合方法，对于给定位移监测数据，即已知的监测数据{(t1； Y1)，(t2, y2),——(tN, yN)}，拟合函数为:
权利要求
1.一种边坡位移预测方法，其包括以下步骤: 1)通过在待监测的边坡设置位移传感器获取位移监测数据，并将所述位移监测数据通过数据采集系统进行采集，并将采集的所述位移监测数据存入历史数据库； 2)将所述历史数据库中的边坡位移监测数据作为时间序列进行处理，其中，时间为采集到数据的实时时间，边坡位移监测值作为时间的因变量； 3)采用经验模式分解算法对边坡位移监测数据的时间序列数据进行EMD分解，获得多个IMF分量； 4)对于每一IMF分量分别基于支持向量机进行预测，并将所有IMF分量的预测值进行累加，获得预测结果； 5)判断是否还需要对其它的位移监测数据进行预测，如果需要则重复所述步骤3) 5)进行预测，否则，结束预测，预测过程中按照先入先出的队列顺序进行更新。
2.如权利要求1所述的一种边坡位移预测方法，其特征在于:所述步骤3)采用经验模式分解算法对边坡位移监测数据的时间序列数据进行EMD分解，获得多个IMF分量，具体过程为: ①对于某一个位移观测信号Yt，通过插值法分别拟合出上、下两包络线； ②按顺序连接上、下两条包络线的均值，得到均值线Hl1(t); ③采用位移观测信号Yt减去Hl1(t)得到hi (t); ④当Ii1(t)满足固有模态函数所需的条件时,令C1 (t) = h^t)进入步骤⑤，当Ii1 (t)并不满足固有模态函数所需的条件时，将h (t)当作原始信号，重复上述步骤① ③迭代Ic1次，在每次迭代的过程中需要根据停止准则判断迭代后的信号是否满足固有模态函数所需的条件，如果不满足，则继续迭代，如果满足令= (O进入步骤⑤； ⑤采用位移观测信号Yt减去C1(t)得到残差Γι (t)； ⑥将rjt)看作一组新信号重复上述步骤① ⑤的模态分解过程，经多次运算可以得到全部的残差rn(t)，iri(t)满足设定条件使得cn (t)或&(0小于预定的误差，或者残差rn(t)成为一单调函数，终止模态分解，得到多个IMF分量。
3.如权利要求1或2所述的一种边坡位移预测方法，其特征在于:所述步骤4)对于每一 IMF分量分别基于支持向量机进行预测的具体过程为: 根据SVM函数拟合方法，对于给定位移监测数据，即已知的监测数据{(t1； Y1)，(t2, y2),——(tN, yN)}，拟合函数为:
4.如权利要求3所述的一种边坡位移预测方法，其特征在于:对于包含j个数据的第i组经验模态分量MFi基于支持向量机进行预测，获得预测结果，具体过程为: 建立拟合函数:
全文摘要
本发明涉及一种边坡位移预测方法，其包括以下步骤1)通过位移传感器获取位移监测数据，并将位移监测数据通过数据采集系统进行采集，并将采集的位移监测数据存入历史数据库；2)将历史数据库中的边坡位移监测数据作为时间序列进行处理，其中，时间为采集到数据的实时时间，边坡位移监测值作为时间的因变量；3)采用经验模式分解算法对边坡位移监测数据的时间序列数据进行EMD分解，获得多个IMF分量；4)对于每一IMF分量分别基于支持向量机进行预测，并将所有IMF分量的预测值进行累加，获得预测结果；5)判断是否还需要对其它的位移监测数据进行预测，如果需要则重复所述步骤3)～5)进行预测，否则，结束预测，预测过程中按照先入先出的队列顺序进行更新。本发明可以广泛应用于露天矿及其他边坡位移预测中。
文档编号G06F19/00GK103207952SQ20131014532
公开日2013年7月17日 申请日期2013年4月23日 优先权日2013年4月23日
发明者林大超, 安凤平, 刘海波, 马兴民, 曾凡雷 申请人:华北科技学院