[发明专利]一种基于多模型融合的杆塔基础滑坡预测方法和系统

说明书

本发明提供了一种基于多模型融合的杆塔基础滑坡预测方法和系统，包括：利用目标时段对应的杆塔基础滑坡位移趋势项时序序列，预测目标时段杆塔基础滑坡位移的趋势项；利用目标时段对应的杆塔基础滑坡位移周期项时序序列、目标时段杆塔基础的特征量、预先构建的GRU模型和预先构建的XGboost模型，预测目标时段杆塔基础滑坡位移的周期项；将趋势项与周期项的加和作为目标时段杆塔基础的滑坡位移。本发明利用多模型融合预测的手段，实现了杆塔基础滑坡位移预测的精准预测，在滑坡预警方面起到了强大的数据支撑作用，为电网防灾减灾提供了有力的保障。

技术领域

本发明涉及电网防灾减灾领域，具体涉及基于一种基于多模型融合的杆塔基础滑坡预测方法和系统。

背景技术

滑坡是一种危害极大的地质灾害，输电线路中杆塔基础滑坡会导致导地线被拉伸，极端情况下，会出现杆塔倒塌和导线断裂的事故的发生，严重影响了输配电的安全性，且事故的发生会对电网设备造成巨大的经济损失。

滑坡预测是滑坡灾害防治的基础性工作之一。当前滑坡位移预测一般采用数学模型预测的方法，此类方法更倾向于单因素预测，例如GRU(Gated Recurrent Unit)和XGBoost。

其中，GRU作为长短时记忆网络的一种优化模型，在智能化预测方面取得了良好的效果，XGBoost作为一种用于树增强算法的可扩展机器学习系统，在预测速度上较以前有超过10倍的提高；但是这两种方法的预测准确度均有待提高。

因此，尚需对杆塔基础滑坡预测进行进一步的研究。

发明内容

为克服上述现有技术的不足，本发明提出一种基于多模型融合的杆塔基础滑坡预测方法，包括：

利用目标时段对应的杆塔基础滑坡位移趋势项时序序列，预测目标时段杆塔基础滑坡位移的趋势项；

利用目标时段对应的杆塔基础滑坡位移周期项时序序列、目标时段杆塔基础的特征量、预先构建的GRU模型和预先构建的XGboost模型，预测目标时段杆塔基础滑坡位移的周期项；

将趋势项与周期项的加和作为目标时段杆塔基础的滑坡位移；

其中，所述目标时段对应的杆塔基础滑坡位移趋势项时序序列和目标时段对应的杆塔基础滑坡位移周期项时序序列，是利用位移分解技术对目标时段对应的杆塔基础滑坡位移时序序列进行位移分解得到的。

优选的，所述特征量，包括：质量、体积、周边土体性质、周边岩体结构、所在地的地震等级和周边降雨量；

所述目标时段对应的杆塔基础滑坡位移时序序列为由目标时段之前n个时段的杆塔基础滑坡位移构成的时序序列；

其中，n为一个完整的周期内包含的时段数。

进一步的，所述目标时段对应的杆塔基础滑坡位移趋势项时序序列中各元素的计算式如下：

所述目标时段对应的杆塔基础滑坡位移周期项时序序列中各元素的计算式如下：

式中，为目标时段对应的杆塔基础滑坡位移趋势项时序序列的第i个元素，实际意义为目标时段r之前的第i个时段的杆塔基础滑坡位移的趋势项，为目标时段对应的杆塔基础滑坡位移周期项时序序列的第i个元素，实际意义为目标时段r之前的第i个时段的杆塔基础滑坡位移的周期项，s_r-i为目标时段r之前的第i个时段的杆塔基础滑坡位移，为从目标时段r之前的第i个时段开始向前延伸θ个完整的周期后所处的时段的杆塔基础滑坡位移。

优选的，所述利用目标时段对应的杆塔基础滑坡位移趋势项时序序列，预测目标时段杆塔基础滑坡位移的趋势项，包括：