高斯一牛顿法在滑坡预测预报模型参数优化中的应用

对滑坡预测预报的非线性模型,在估计其参数时,传统的方法是将非线性模型在参数的近似值处展开成泰勒级数,并仅取至一次项,然后再应用线性模型参数估计理论进行参数估计。因线性化时略去了二阶及二阶以上的各高次项,所以必然会产生模型误差。介绍了高斯牛顿法的基本原理,并以洒勒山新滑坡为例,在建立该滑坡灰色GM（1,1）模型和Verhulst模型的基础上,运用高斯-牛顿法对两个非线性模型的参数进行优化。计算结果表明,参数优化后各模型的预测精度比优化前各模型的精度有显著提高。说明采用高斯-牛顿法优化非线性模型参数是提高滑坡预测预报精度的一种有效且切实可行的方法。     

滑坡的多模型综合预测预报研究

由于滑坡的复杂性以及预报模型和方法的局限性,简单地利用单一的滑坡预测预报模型准确地预报滑坡的滑动时间还很困难。为了提高滑坡预报的准确度,提出了在滑坡原型调研和机制研究的基础上,以滑坡的监测资料为依据,通过监测点的选取、监测信息的处理和变形阶段的判别,选择多个与所预报滑坡相适宜的预测预报模型对滑坡的滑动时间进行预测预报,并对多个模型的预报结果进行综合评判得出预报结果,最后以黄龙西村滑坡实例进行了应用。     

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。     

温室环境温度预测自适应机理模型参数在线识别方法

温室小气候模型具有非线性、强干扰、时变等特性,常用的线性化模型或离线辨识模型无法有效预测温室环境动态变化规律,模型精度不高直接影响温室环境控制性能。针对模型的这种复杂特性,该文以温度模型为例,提出利用连续-离散递推预测误差算法,对非线性模型参数和状态进行在线估计,以提高模型精度。首先,考虑加热和通风2种控制输入,建立了温室温度模型。然后,论述了该算法的原理和优势,算法通过引入并调整增益矩阵,对系统噪声进行在线更新,减少了系统噪声初始化偏差对参数估计收敛性的影响。最后,基于试验温室实测数据,对温室温度模型进行了在线辨识仿真,结果表明,利用连续-离散递推预测误差算法辨识模型拟合度为93.7%,扩展卡尔曼滤波器拟合度为89.5%,该文提出的算法在预测温室温度方面更为有效。     

四川省典型区域滑坡、泥石流致灾临界雨量阈值确定方法

[目的]确定四川省滑坡泥石流典型区域各个子区最关键的降雨因子,建立典型区域各子区临界阈值模型,为该区对滑坡、泥石流灾害进行有效预报提供科学依据.[方法]利用1999 2014年四川滑坡泥石流灾情资料,确定出滑坡、泥石流的典型区域,根据典型区域各个子区的气候和下垫面条件,比较不同降雨因子组合的阈值模型,得到各子区最关键的降雨因子,建立典型区域各子区临界阈值模型.[结果]平均降雨强度和峰值降雨强度是典型区域滑坡、泥石流阈值模型中的重要指标;诱发雨量多作为滑坡典型区域致灾临界阈值模型雨量指标,激发雨量只作为泥石流典型区域致灾临界阈值模型雨量指标;有效雨量可以在滑坡、泥石流典型区域值模型中应用.典型区域多采用多因子预报模型,只有汶川震区采用单因子预报模型,其临界阈值在震后呈现上升趋势.[结论]不同降雨参数对诱发滑坡泥石流灾害的作用不同,典型区域中各子区建立的预报模型及得出的临界阈值也不同.多因子预报模型考虑了多种降雨参数,比单因子模型更客观.     

基于Logistic回归和MCMC方法评价地震滑坡敏感性

Logistic回归模型(Logistic Regression,LR)在滑坡敏感性评价上应用广泛,但目前对于模型参数不确定性的研究较为缺乏。马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法能够结合参数的先验信息得到其后验分布,从而对估计参数的不确定性进行分析。为探索MCMC方法在Logistic滑坡敏感性模型构建中的有效性; 量化模型参数估计值的不确定性,以西南地区2013年4·20芦山地震,2017年8·8九寨沟地震和2014年8·3鲁甸地震为例,基于MCMC方法对Logistic回归模型的回归系数进行估计。构建了区域的地震滑坡敏感性模型,对模型参数的估计值进行了不确定性分析,并绘制了区域的滑坡敏感性图。结果表明:在芦山地震案例中,模型参数估计值的不确定性都比较低; 在九寨沟案例中,岩性因子的参数估计值不确定性较高; 在鲁甸地震中,岩性、剖面曲率和平面曲率的参数不确定性较高。总的来说,模型中的大多数参数估计值不确定性都较低。所构建的Logistic回归模型在三次地震滑坡事件中的预测精度都较高,AUC(Area Under ROC Curve)值均在0.9以上,这证明了MCMC方法对Logistic模型参数估计的准确性。在三次地震滑坡事件中,因子相对重要性最大的为高程,其次为距离断层的距离以及修正麦卡利烈度。研究为利用LR模型进行滑坡敏感性评价提供了一种新的思路和方法。     

土壤学中非线性数学模型参数估计的探讨

本文介绍了非线性数学模型参数的估计的一般方法，运用实例说明将非线性模型化为线性模型进行拟合所得参数未必是最佳参数，并对含有隐函数的非线性模型的参数估计提出了行之有效的处理方法。     

单元聚类分析法在滑坡分析中的应用

在滑坡灾害分析时应用单元聚类分析法,从单因素相关分析过渡到多因素相关分析,从而找出规律,建立滑坡灾害预测预报模型。运用该方法对承德市滑坡进行分析得出预报模型,经调查资料反算,误差在10％～30％范围之内。介绍了单元聚类分析步骤。     

西南岩溶山区水资源可持续利用评价指标选取及权重确定

降雨径流是引起土壤侵蚀的主要动力,因此准确预测不同下垫面条件下的径流量是进行土壤侵蚀预报和水土流失治理的关键.SCS-CN方法是目前国际上预测无径流观测资料地区降水产流的主要模型.利用黄土高原地区6个试验小区的153场径流试验资料,选取3种具有代表性的土地利用方式:谷子、苜蓿和高粱,对SCS-CN方法在黄土高原的适应性进行了初步检验,优化出了适应黄土高原地区3种土地利用方式的模型参数.结果表明,优化后的模型参数对降雨径流的预测精度明显优于标准SCS-CN法;优化后的λ值为0.01,优化的谷子、苜蓿和高粱地CN2 值分别是74,74,72.     

基于矩阵奇异值分解约束型无迹粒子滤波的滑坡位移预测模型研究

[目的]通过对滑坡位移预测模型进行研究,为政府部门实施更加可靠的灾害防治决策提供科学依据。[方法]提出了一种矩阵奇异值分解(SVD)约束型无迹粒子滤波(IUPF)方法,建立基于位移参数的滑坡位移预报模型。[结果]利用改进的SVD方法有效提升了无迹粒子滤波方法中Sigma点计算的鲁棒性,从而提升了算法的预测精度,对滑坡的稳定趋势能够做出更准确的预报。将该算法在镇江市跑马山滑坡体监测工程、京港澳高速公路雨花互通南侧护坡体滑坡监测工程相关数据进行了应用和分析验证。[结论]实例验证结果表明,加入SVD约束后的无迹粒子滤波算法,能够使得滑坡位移预测更加准确,预测的数据更加准确地反映了滑坡的变形趋势。