黄智杰, 简文彬, 夏昌, 赖增荣, 林立鹏

(1. 福州大学紫金地质与矿业学院, 福建 福州 350108; 2. 地质工程福建省高校工程研究中心, 福建 福州 350108; 3. 福州市规划设计研究院, 福建 福州 350108)

0 引言

滑坡是一种严重的自然灾害, 发生时, 严重危害人类的生命财产安全[1-2]. 近年来, 对滑坡进行监测预警已成为一个重要的研究热点, 许多学者在相关方面展开了许多卓有成效的研究[3-7], 其中主要一方面可集中于对滑坡的变形趋势进行预测, 而后在其基础上进行预警. 林世权等[8]通过平均值影响法筛选出藕塘滑坡的诱发因素, 并使用BP神经网络预测该滑坡位移; 王伟等[9]利用粒子群优化算法(particle swarm optimization, PSO)优化后的最小二乘支持向量机模型对大华滑坡的周期项位移建模预测; 岳强等[10]通过小波分析和BP神经网络对郑家大沟滑坡位移进行预测等. 上述研究虽取得了较好的效果, 但多集中于对滑坡的累积位移进行预测, 而对滑坡位移速率进行预测的研究则相对较少. 相比较滑坡累积位移, 位移速率指标更直观, 可通过对位移速率划分等级等方式, 更好地运用于滑坡的预警中[11-12].

阶跃型滑坡是指一种在累积位移上呈现出阶跃段与平稳段交替变化的滑坡[13-14], 其位移速率常常呈现出从接近于零处突然增大的现象, 给其预测造成困难. 此外滑坡是一个复杂的系统, 受到多因素的共同作用, 在利用人工智能模型进行预测时, 合理选择输入特征将直接影响着预测的准确性[15].

随机森林(randomforests, RF)模……