三峡库区库岸堆积层滑坡变形趋势分析OACSTPCD

为了准确掌握三峡库区库岸堆积层滑坡的变形发展规律,基于滑坡变形监测数据,利用重标极差法、灰色模型及优化广义回归神经网络等开展滑坡变形趋势的综合研究。研究成果表明:在滑坡变形趋势判别结果中,各监测点的Hurst指数均大于0.5,得到滑坡变形具持续增加趋势;在变形预测结果中,随GM(1,1)-SFLA-GRNN模型的不断优化组合处理,预测精度明显提高,说明模型构建过程是合理的,且其预测显示滑坡变形仍会进一步增加,所得预测结果的平均相对误差介于1.76%~1.82%,训练时间介于52.21~57.23 ms,具有较优的预测效果;之后,引入BP神经网络和支持向量机,开展类比预测,发现GM(1,1)-SFLA-GRNN模型相较BP神经网络和支持向量机具有更高的预测精度及更快的训练速度,优越性显著。对比滑坡变形趋势判别结果和变形预测结果,滑坡变形仍会进一步增加且无收敛趋势,滑坡防治的必要性显著,且相互佐证了两类分析方法的合理性,为滑坡防治提供了一定的理论支持。