基于TCN_LSTM_AM-SVR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TCN_LSTM_AM‑SVR的滑坡位移预测方法，采用WOA‑VMD分解法将滑坡位移的时间序列分解为趋势项、周期项和随机项，随后采用灰色关联度选择合适的滑坡位移影响因子作为输入变量，提出一种基于TCN_LSTM_AM‑SVR的组合模型对周期项和随机项进行预测，通过集成学习的方法结合TCN_LSTM和SVR，同时利用改进SSA获得组合模型的最优超参数，得以简化参数调整的过程，避免主观因素影响，提高了模型预测效率。采用差分自回归移动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。