基于CNN-BiLSTM-XGB的滑坡位移预测方法

本发明涉及地质位移预测技术领域，具体涉及一种基于CNN_BiLSTM‑XGB的滑坡位移预测方法，首先采用SSA‑VMD分解法将滑坡位移序列分解为周期项、随机项和趋势项，采用灰色关联度选择合适的影响因子作为输入变量，提出一种基于CNN_BiLSTM‑XGB的组合模型对周期项和随机项位移进行预测，采用集成学习的方法结合CNN_BiLSTM和XGB，利用SSA对组合模型参数进行寻优，简化了参数调整过程，避免了主观因素的影响，提高了模型预测效率。采用二次指数平均法对趋势项位移进行预测，最后采用时间序列理论模型求得滑坡位移预测序列。组合模型能够更充分地提取滑坡位移数据的特征，有效解决深度学习模型中单一模型的预测性能和泛化能力不足的问题，确保预测效率的同时提升模型的预测精度和泛化能力。