一种基于多模型融合的杆塔基础滑坡预测方法和系统.pdf

(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CN113722787A(43)申请公布日2021.11.30(21)申请号202110796698.2(22)申请日2021.07.14(71)申请人中国电力科学研究院有限公司地址100192北京市海淀区清河小营东路15号申请人国家电网有限公司(72)发明人王轶白旭汉京善高洁张轩(74)专利代理机构北京安博达知识产权代理有限公司11271代理人徐国文(51)Int.Cl.G06F30/13(2020.01)权利要求书3页说明书11页附图2页(54)发明名称一种基于多模型融合的杆塔基础滑坡预测方法和系统(57)摘要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。CN113722787ACN113722787A权利要求书1/3页1.一种基于多模型融合的杆塔基础滑坡预测方法，其特征在于，所述方法包括：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。2.如权利要求1所述的方法，其特征在于，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。3.如权利要求2所述的方法，其特征在于，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，sr‑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。4.如权利要求1所述的方法，其特征在于，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：以目标时段对应的杆塔基础滑坡位移趋势项时序序列为原始序列构建灰色verhulst模型；利用所述灰色verhulst模型，计算目标时段杆塔基础滑坡位移的趋势项。5.如权利要求4所述的方法，其特征在于，所述目标时段杆塔基础滑坡位移的趋势项的计算式如下：2CN113722787A权利要求书2/3页其中，a为第一参量，b为第二参量，为目标时段杆塔基础滑坡位移的趋势项，为目标时段r之前的第n个时段的杆塔基础滑坡位移的趋势项，n为一个完整的周期内包含的时段数。6.如权利要求5所述的方法，其特征在于，所述a和b的取值是在灰色verhulst模型构建过程中对目标时段对应的杆塔基础滑坡位移趋势项时序序列进行处理与计算得到的。7.如权利要求1所述的方法，其特征在于，所述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，包括：基于目标时段对应的杆塔基础滑坡位移周期项时序序列，利用预先构建的GRU模型，预测目标时段杆塔基础滑坡位移的周期项；基于目标时段杆塔基础的特征量，利用预先构建的XGboost模型，预测目标时段杆塔基础滑坡位移的周期项；将目标时段杆塔基础滑坡位移的周期项的两个预测结果进行综合，得到最终的目标时段杆塔基础滑坡位移的周期项。8.如权利要求7所述的方法，其特征在于，所述最终的目标时段杆塔基础滑坡位移的周期项的计算式如下：式中，wGRU为预先构建的GRU模型