基于优化时序分解和特征选择的滑坡位移预测模型

来源：大地测量与地球动力学杂志2026年第6期北京时间：

作者：王东民, 赵丽华, 瞿伟, 杭资牧, 王利

单位：1 长安大学地质工程与测绘学院, 西安市, 710054

摘要：针对时序分解模型难以准确区分诱发因子对不同位移分量的作用, 以及在气象数据存在不确定性下预测精度不足的问题, 提出一种基于优化时序分解与特征选择的滑坡位移预测网络模型。首先, 利用奇异谱分析(SSA)与遗传算法优化的变分模态分解(GA-VMD)方法对滑坡位移在诱发因子驱动下进行分解; 随后, 构建融合诱发因子的改进西原模型预测趋势项位移, 采用结合卷积神经网络与压缩和激励网络的门控循环单元(CNN-SE-GRU)组合网络建模预测周期项位移, 通过频域分析重构随机项位移; 最后, 结合核密度估计(KDE)和蒙特卡洛(Monte Carlo)模拟方法, 构建位移预测结果的概率区间。以甘肃省黑方台滑坡为例, 预测模型的RMSE和MAPE分别为1.52 mm和0.38%, 预测精度较传统的预测模型显著提升, 为滑坡预警提供了更可靠的技术支撑。

关键词：滑坡位移预测,时序分解,特征选择,神经网络,误差传播建模

基金资助：国家重点研发计划(2024YFC3012603),国家自然科学基金(42174006),陕西省杰出青年科学基金(2022JC-18)