(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111519108.8 (22)申请日 2021.12.13 (71)申请人 贵州省交通 规划勘察设计 研究院股 份有限公司 地址 550081 贵州省贵阳市观山湖贵阳国 家高新区阳关大道10 0号 申请人 贵州大学 (72)发明人 周科　邵鹏　龙光裕　 (74)专利代理 机构 贵州启辰知识产权代理有限 公司 52108 代理人 周廉凤 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种滑坡位移预测方法 (57)摘要 本发明公开了一种滑坡位移预测方法， 包括 如下步骤： （1） 建立DES模型， 采用近几年监测位 移数据由DES 模型预测滑坡累计位移中的趋势位 移； （2） 利用滑坡累计位移减趋势位移获得剩余 位移， 建立VMD模型， 由VMD模型将剩余位移分解 成周期位移和随机位移； （3） 选取候选因子， 由 MIC从候选因子中筛选 出触发因子， 由VMD 模型将 触发因子分解成低频分量和高频分量； （4） 建立 并训练GRU模型， 采用低频分量由GRU模型对周期 位于进行预测， 采用高频分量由GRU模型对随机 位移进行预测； （5） 将趋势位移、 周期位移预测结 果和随机位移预测结果相加， 得到第一次滑坡位 移预测结果； 该方法实现了对滑坡位移的精确预 测。 权利要求书1页 说明书8页 附图5页 CN 114218858 A 2022.03.22 CN 114218858 A 1.一种滑坡位移预测方法， 其特 征在于： 包括如下步骤： （1） 建立DES模型， 采用近几年监测位移数据由DES模型预测滑坡累计位移中的未来一 段时间的趋势位移； （2） 利用滑坡累计位移减去未来一段时间的趋势位移获得剩余位移， 建立VMD模型， 由 VMD模型将剩余 位移分解成周期位移和随机位移； （3） 选取近段时间影响滑坡的主要因素作为候选因子， 由MIC从候选因子中筛选出触发 因子， 由VMD模型将触发因子分解成低频分量和高频分量； （4） 建立并训练GRU模型， 采用低频分量由GRU模型对周期位于进行预测， 采用高频分量 由GRU模型对随机位移进行 预测； （5） 将趋势位移、 周期位移预测结果和随机位移预测结果相加， 得到第 一次滑坡位移预 测结果。 2.根据权利要求1所述的一种滑坡位移预测方法， 其特征在于： 还包括步骤 （6） ， （6） 建 立GPR模型， 采用第一次滑坡位移预测结果由GPR模 型得到二次滑坡位移、 滑坡位移的点、 滑 坡位移的区间和滑坡位移的概 率预测结果。 3.根据权利要求1所述的一种滑坡位移预测方法， 其特征在于： 所述的步骤 （1） 中近几 年监测位移数据包括近 5‑8年的滑坡位移、 降雨 量和库水位数据。 4.根据权利要求1 ‑3任一所述的一种滑坡位移预测方法， 其特征在于： 所述的步骤 （3） 中影响滑坡的主要因素为连续降水量、 累积降水量、 库水位变化量、 库水位平均高层和累积 位移量。权　利　要　求　书 1/1 页 2 CN 114218858 A 2一种滑坡位移预测方 法 技术领域 [0001]本发明涉及地质灾害防灾减灾 技术领域， 特别涉及一种滑坡位移预测方法。 背景技术 [0002]滑坡是在特定的地质条件下， 斜坡岩土体沿着其内部某一软弱结构面而产生滑移 的地质现象。 滑坡的发生不仅给人类生命安全带来威胁， 而且对资源、 环境、 财产等造成严 重的损害， 是一种典型的地质灾害。 因此我们需要对滑坡进 行位移预测， 位移演化常被用作 预测滑坡破坏过程行为的指标， 高精度的预测可以大大减少滑坡灾害带来的损失。 但是 由 于滑坡位移演化具有随机性、 非线性及动态性， 想要精准的预测滑坡位移是具有挑战性的。 由此， 建立一种概率预测模型用以评估滑坡位移演化中存在的不确定性成为必然趋势。 目 前， 已有部 分研究基于区间预测技术(PI)或上下限估计(LUBE)建立起了高质量的滑坡位移 预测模型， 但其方法多以bootstr ap抽样技术为前提， 其模型复杂费时， 且不能获得真正意 义上的概率预测结果。 因此， 有必 要进一步开 发新的滑坡位移 概率预测模型， 可以获取更为 全面的预测信息， 为建立完善的滑坡预测预警系统提供理论基础， 减少滑坡灾害带来的巨 大损失。 发明内容 [0003]有鉴于此， 本发明的目的是提供一种滑坡位移预测方法， 可以实现对滑坡位移的 精确预测。 [0004]本发明的目的是通过以下技 术方案实现的： [0005]一种滑坡位移预测方法， 包括如下步骤： [0006](1)建立DES模型， 采用近几年监测位移数据由DES模型预测滑坡累计位移中的未 来一段时间的趋势位移； [0007](2)利用滑坡累计位移减去未来一段时间的趋势位移获得剩余位移， 建立VMD模 型， 由VMD模型将剩余 位移分解成周期位移和随机位移； [0008](3)选取近段时间影响滑坡的主要因素作为候选因子， 由MIC从候选因子中筛选出 触发因子， 由VMD模型将触发因子分解成低频分量和高频分量； [0009](4)建立并训练GRU模型， 采用低频分量由GRU模型对周期位于进行预测， 采用高频 分量由GRU模型对随机位移进行 预测； [0010](5)将趋势位移、 周期 位移预测结果和随机位移预测结果相加， 得到第一次滑坡位 移预测结果。 [0011]进一步， 还包括步骤(6)， (6)建立GPR模型， 采用第一次滑坡位移预测结果由GPR模 型得到二次滑坡位移、 滑坡位移的点、 滑坡位移的区间和滑坡位移的概 率预测结果。 [0012]更进一步， 所述的步骤(1)中近几年监测位移数据包括近5 ‑8年的滑坡位移、 降雨 量和库水位数据。 [0013]再进一步， 所述的步骤(3)中影响滑坡的主要因素为连续降水量、 累积降水量、 库说　明　书 1/8 页 3 CN 114218858 A 3