【摘要】:针对以往预测模型在数据少和噪音干扰下出现预测精度降低的问题,基于分形理论,尝试建立改进的变维分形预测模型,并以小湾工程边坡位移监测数据为例,选取D1、D2曲线作为预测模型的分形参数曲线,计算各曲线的分段分形维数,对位移进行预测,并分别用灰色模型GM(1,1)和BP神经网络进行对比预测.结果证明,这种方法充分利用了分形理论自相似性的特点,抗噪性强,能较好地应用于小数据量监测数据的预测,并且精度较高,有着良好的应用前景.
【作者单位】:
浙江水利水电专科学校;
【关键词】:
改进变维分形 边坡监测 预测精度 小数据量 监测数据 预测模型 分形理论 岩质高边坡 神经网络 分形维数
【基金】:浙江省水利厅科研项目(RC0837、RC0932)
【分类号】:TV698.1
【DOI】:CNKI:SUN:SLSY.0.2010-01-018
【正文快照】:
高边坡工程的重要特点是以岩土体为工程材料或工程结构.由于岩土体是一种非均质各向异性且具有流变特性的复杂介质,加之地质条件的复杂性,使得其力学参数和演化特征具有很强的随机性和不确定性,从而导致边坡动态信息极难捕捉,加之边坡动态监测技术的不成熟和预报理论的不完善