摘要
本发明公开了一种顾及环境特征因子的边坡变形位移量模型预测方法及系统,其方法包括:S1、构建研究区边坡变形历史样本集;S2、卷积神经网络模型处理得到特征向量;S3、LSTM模型按照时序进行模型学习训练;S4、采集研究区未来按时序的边坡环境监测数据输入卷积神经网络模型得到特征向量,LSTM模型基于特征向量输出按时序的边坡位移初步预测值S5、构建线性回归模型拟合得到拟合边坡变形位移量yt并与边坡位移初步预测值作差得到残差序列,采用滑动窗口取出前后的边坡位移初步预测值平均值对剔除数据进行填补;S6、对利用SG滤波器按时序进行优化拟合。本发明能够得到精确度高的边坡位移预测数据,为边坡变形位移量的精准预测提供了技术支撑。
技术关键词
变形位移量
环境监测数据
模型预测方法
边坡位移预测
卷积神经网络模型
LSTM模型
线性回归模型
滑动窗口
因子
时序
表达式
大气折射率
滤波器
序列
sigmoid函数
样本
大气压强
数据采集模块
系统为您推荐了相关专利信息
棉花地膜
分类检测方法
PCA算法
重建误差
卷积神经网络模型
负荷特征
卷积神经网络模型
深度学习模型
数据分析模块
动态时间规整算法
园林植物病虫害
智能预警系统
环境监测模块
多光谱摄像设备
图像识别算法
卫星导航干扰信号
信号处理
地面设备
卷积神经网络模型
定位策略
掩码矩阵
生成对抗网络
合成孔径雷达图像
识别装置
稳定性准则