基于集成学习的阶跃型滑坡阶跃点判别分析

论文摘要

针对阶跃型滑坡阶跃点识别和预测难的问题,提出了一种基于聚类分析和集成学习的阶跃型滑坡阶跃点识别和判别模型。以三峡库区八字门滑坡ZG110钻孔2010年4月至2016年12月80个滑坡位移、库水位和降雨数据为例,通过聚类分析方法识别滑坡累积位移-时间曲线中的阶跃点和平稳点,并利用K均值聚类分析检验分类结果的准确性。基于灰色关联确定了滑坡位移的最佳诱发因素,结合随机森林模型建立阶跃型滑坡阶跃点判别模型并利用八字门滑坡ZG111钻孔验证该模型的准确性。模型阶跃点和平稳点的识别准确率均达90%以上,表明该方法在阶跃型滑坡识别中具有较好的适用性,可为阶跃型滑坡的预测提供参考。

论文目录

• 0 引言
• 1 理论方法
•   1.1 聚类分析
•   1.2 集成学习
• 2 案例分析
•   2.1 八字门滑坡
•   2.2 位移速率的聚类分析
•   2.3 多场信息变形判别
• 3 适用性验证
• 4 结论

文章来源

类型: 期刊论文

作者: 杨光辉,简文星,张树坡,付智勇

关键词: 阶跃型滑坡,阶跃点,聚类分析,集成学习,预测

来源: 中国地质灾害与防治学报 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,工业通用技术及设备

单位: 中国地质大学(武汉)工程学院

基金: 国家自然科学基金项目:三峡库区典型顺向岸坡库水与降雨联合作用失稳观测与理论解析(41272306)

分类号: P642.22

DOI: 10.16031/j.cnki.issn.1003-8035.2019.04.01

页码: 1-8

总页数: 8

文件大小: 327K

下载量: 149