[发明专利]基于SVR-LSTM混合深度学习的滑坡位移预测方法有效
| 申请号： | 202110081495.5 | 申请日： | 2021-01-21 |
| 公开（公告）号： | CN112862069B | 公开（公告）日： | 2023-09-05 |
| 发明（设计）人： | 王毅;段焱中;张茂省;彭钰博;王侃琦 | 申请（专利权）人： | 西北大学 |
| 主分类号： | G06N3/0442 | 分类号： | G06N3/0442;G06N3/049;G06N3/08;G06Q10/04;G06F16/29 |
| 代理公司： | 西安恒泰知识产权代理事务所 61216 | 代理人： | 王芳 |
| 地址： | 710069 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于SVR‑LSTM混合深度学习的滑坡位移预测方法：步骤1：对位移数据EMD分解得到IMF分量和残差项。步骤2：将趋势项数据代入趋势项预测模型SVR训练；将剩余数据作为测试项代入训练好的模型得到趋势项预测结果。步骤3：得到多个周期项的候选训练属性。步骤4：计算互信息和皮尔逊相关系数并挑选影响因素。步骤5：使用影响因素作为LSTM的训练因素，得到多个LSTM模型；将剩余数据代入LSTM模型得到预测输出值，将每个IMF分量预测输出值相加得到周期项预测结果。步骤6：对周期项预测结果和趋势项预测结果中数据对应相加得到总的位移预测结果。本发明采用SVR和LSTM方法预测加和，使预测结果稳定性和准确性大大提高，保证了预测结果的可信度，且计算高效。 | ||
| 搜索关键词： | 基于 svr lstm 混合 深度 学习 滑坡 位移 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北大学，未经西北大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110081495.5/，转载请声明来源钻瓜专利网。
