基于奇异谱分析法和长短时记忆网络组合模型的滑坡位移预测

来源：信息与控制杂志2021年第4期北京时间：

作者：李丽敏, 张明岳, 温宗周, 郭伏, 张俊, 何洋

摘要：为提高滑坡位移的预测精度，提出了一种基于奇异谱分析法(singular spectrum analysis，SSA)和长短时记忆网络(long short-term memory neural network，LSTM)组合的动态预测模型.首先，利用SSA将滑坡位移时间序列分解为趋势项、周期项位移子序列同时剔除噪声，减少随机波动对实验结果的影响.然后利用高斯拟合方法对趋势项位移子序列进行拟合预测；LSTM神经网络模型对其周期项位移子序列进行预测.最后，通过叠加各位移子序列的预测值，得到累积滑坡位移的预测值，并且通过在训练集中加入预测值来更新LSTM网络，实现动态位移预测.结果表明，与经典反向传播(back propagation，BP)神经网络、支持向量机(support vector machine，SVM)和差分自回归移动平均(auto regressive integrated moving average，ARIMA)三种预测模型相比，LSTM模型更优.该模型在中国新滩滑坡中得到了验证，最终预测值也表明该组合模型有较高的精度.

关键词：滑坡位移, 奇异谱分析法, 长短时记忆网络, 动态预测