• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于時間序列與CNN-GRU的滑坡位移預(yù)測模型研究

    2024-03-26 09:52:41符振濤李麗敏王蓮霞任瑞斌崔成濤封青青
    人民珠江 2024年2期
    關(guān)鍵詞:時間序列

    符振濤 李麗敏 王蓮霞 任瑞斌 崔成濤 封青青

    摘要:滑坡位移預(yù)測是滑坡預(yù)警的重要依據(jù)之一。針對以往預(yù)測模型在預(yù)測精度上存在的不足,提出了一種基于時間序列與卷積門控循環(huán)單元(CNN-GRU)的滑坡位移動態(tài)預(yù)測模型。首先,利用小波分析確定存在趨勢項位移后,利用指數(shù)平滑法對累計位移分解得到趨勢項與周期項位移,將趨勢項采用五次多項式擬合;之后,采用自相關(guān)函數(shù)檢驗位移的周期特征,利用灰色關(guān)聯(lián)法判斷各因子與周期項之間的關(guān)聯(lián)度,并將周期項與影響因子一起輸入CNN-GRU模型進(jìn)行預(yù)測;最終,疊加得到累計位移預(yù)測值。以三峽庫區(qū)白水河滑坡為例,選取2004年1月至2012年12月數(shù)據(jù)進(jìn)行研究,最終預(yù)測結(jié)果平均絕對誤差百分比僅為0.525%,RMSE為9.614、R2為0.993。試驗結(jié)果表明,CNN-GRU具有更高的預(yù)測精度。

    關(guān)鍵詞:位移預(yù)測;時間序列;卷積門控循環(huán)單元;白水河滑坡

    中圖分類號:X43文獻(xiàn)標(biāo)識碼:A文章編號:1001-9235(2024)02-0001-08

    Landslide Displacement Prediction Model Based on Time Series and CNN-GRU

    FU Zhentao,LI Limin,WANG Lianxia,REN Ruibin,CUI Chengtao,F(xiàn)ENG Qingqing

    (School of Electronics and Information,Xian Polytechnic University,Xian 710600,China)

    Abstract:Landslide displacement prediction is an important basis for early landslide warning.This paper proposes a prediction model of landslide moving states based on time series and convolutional gated recurrent unit (CNN-GRU) to deal with the shortcomings of previous prediction models.Firstly,after employing wavelet analysis to determine the displacement of the trend term,the exponential smoothing method is adopted to decompose the cumulative displacement to obtain two displacement types of the trend term and the periodic term,and the trend term is fitted by a five-order polynomial.Then,the autocorrelation function is utilized to test the periodic displacement characteristics,and the gray correlation method is applied to determine the correlation degree between each factor and the periodic term.Meanwhile,the periodic term and the influencing factor are input into the CNN-GRU model for prediction,and finally the predicted cumulative displacement value is obtained by superposition.By taking the Baishui River landslide in the Three Gorges Reservoir area as an example,this paper selects the data from January 2004 to December 2012 for study,and the average absolute error percentage of the final prediction results is only 0.525%,with RMSE of 9.614 and R2of 0.993.Experimental results show that CNN-GRU has higher prediction accuracy.

    Keywords:displacement prediction;time series;convolutional gated recurrent unit;Baishui River landslide

    滑坡是常見的自然災(zāi)害之一,據(jù)國家統(tǒng)計局報告,2021年中國發(fā)生滑坡災(zāi)害2 335起,占全年地質(zhì)災(zāi)害總數(shù)的48.9%,造成直接經(jīng)濟(jì)損失數(shù)十億,因此通過歷史地質(zhì)數(shù)據(jù)綜合判斷滑坡的演變工程,并對滑坡的變化趨勢做出預(yù)測成了防災(zāi)減災(zāi)的必要手段。

    時間序列分解方法以其完善的理論獲得廣大學(xué)者的青睞。在趨勢項的分解上,楊背背等[1應(yīng)用移動平均法,將白水河滑坡累積位移分解為周期項和趨勢項。黃海峰等2使用平滑先驗法分離了趨勢項位移,對白家包滑坡進(jìn)行了預(yù)測,以上方法雖然取得了一定成果,但分離的趨勢項中仍然具有周期項的階躍特征,導(dǎo)致最終預(yù)測結(jié)果誤差較大。本文采用指數(shù)平滑法對實驗區(qū)累計位移進(jìn)行多次分解,將最后一次分解的結(jié)果作為趨勢項,克服了傳統(tǒng)方法在階躍變化時分解得到的趨勢項仍具有明顯周期性的問題。

    在周期項的預(yù)測上,鄢好等[3、宋麗偉4分別將循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)改進(jìn)的門控循環(huán)單元(GRU)與長短時記憶網(wǎng)絡(luò)(LSTM)引入滑坡位移預(yù)測,以上網(wǎng)絡(luò)通過增加“門”解決了RNN網(wǎng)絡(luò)梯度爆炸的問題,可以實現(xiàn)位移預(yù)測,但是考慮了滑坡變形的動態(tài)演化過程,單一網(wǎng)絡(luò)不能同時滿足特征提取與趨勢學(xué)習(xí),導(dǎo)致其預(yù)測誤差較大,亟待改進(jìn)?;挛灰频臄?shù)據(jù)具有連續(xù)性、周期性[5等特點(diǎn),CNN神經(jīng)網(wǎng)絡(luò)能夠自動發(fā)現(xiàn)并提取輸入數(shù)據(jù)的波形特證[6。GRU神經(jīng)網(wǎng)絡(luò)可以通過更新門和遺忘門實現(xiàn)對數(shù)據(jù)變化趨勢的學(xué)習(xí)[7,因此,本文將CNN-GRU網(wǎng)絡(luò)模型引入位移預(yù)測領(lǐng)域,提出基于CNN-GRU的滑坡位移預(yù)測方法。

    本文以白水河滑坡為研究區(qū),首先,利用小波分析確定存在趨勢項位移后,使用指數(shù)平滑法分解累計位移,對于趨勢項位移本文采用五次多項式進(jìn)行擬合,得到趨勢項預(yù)測值;隨后,采用自相關(guān)函數(shù)檢驗位移的周期特征,引入灰色關(guān)聯(lián)度法量化影響因子與周期項位移間的相關(guān)性,保留具有較高關(guān)聯(lián)度的影響因子;之后,選擇CNN-GRU神經(jīng)網(wǎng)絡(luò)進(jìn)行周期項預(yù)測。將該結(jié)果和GRU、LSTM和CNN-LSTM預(yù)測結(jié)果一同與真實值作對比,從而驗證本文所使用模型的準(zhǔn)確性。最后將周期項與趨勢項疊加得到累計位移預(yù)測值,并利用均方根誤差、平均絕對百分比誤差等評價方法分析計算預(yù)測精度。

    1 滑坡位移預(yù)測模型

    1.1 位移序列檢驗

    a)趨勢項檢驗。小波變換是一種信號分析方法,它可以將信號分解成不同尺度的成分,從而更好地理解信號的頻率和時間特性。與傅里葉變換不同,小波變換可以同時提供時間和頻率信息,可以將信號分解成不同頻率的子信號,因此在處理非平穩(wěn)信號時更為有效,見式(1):

    式中 α——尺度,控制小波函數(shù)的伸縮;τ——平移量,控制小波函數(shù)的平移。

    在累計位移中,趨勢項通常對應(yīng)著低頻信號,如果存在趨勢項位移,那么整個信號的低頻部分會發(fā)生變化,因此可以通過小波變換檢驗是否存在趨勢項位移。

    b)周期項檢驗。自相關(guān)函數(shù)(autocorrelation function)是一種用于衡量時間序列中自身相關(guān)性的統(tǒng)計量,是信號在時域中的平均度量,它用來描述隨機(jī)信號x(t)在任意2個不同時刻s、t的取值之間的相關(guān)程度,分析自相關(guān)函數(shù)值即可得到時間序列數(shù)據(jù)的是否存在周期項,見式(2):

    式中 r(k)——自相關(guān)系數(shù);cov(Xt,X{t-k})——Xt、X{t-k}之間的協(xié)方差;std(Xt)、std(X{t-k})——Xt和X{t-k}的標(biāo)準(zhǔn)差。

    1.2 位移時間序列分解

    滑坡位移按時間序列分解理論可分解為趨勢項位移與周期項位移[8,滑坡位移時間序列模型見式(3):

    y(t)=ω(t)+c(t) ???(3)

    式中 y(t)——累計總位移;ω(t)——趨勢項位移;c(t)——周期項位移。

    由于研究區(qū)坡體不同年份階躍幅度變化較大,采用傳統(tǒng)方法得的趨勢項位移曲線仍具有明顯的周期特點(diǎn),為了解決這個問題,本文引入指數(shù)平滑法對累計位移進(jìn)行分解,將多次分解后的結(jié)果作為最終的趨勢項。

    指數(shù)平滑法是一種特殊的加權(quán)平均法,其基本原理為對t期真實值和t-1期平滑值賦予不同的權(quán)重,從而求得當(dāng)前平滑值的方法[9。指數(shù)平滑法基本原理為:

    St=ayt+(1-a)St-1(4)

    式中 St——第t期的趨勢項;yt——第t期真實值;St-1——第t-1期平滑值;a——平滑指數(shù)。

    由式(4)可知,當(dāng)a越接近1時,第t期平滑結(jié)果越接近第t期觀察值。

    1.3 CNN算法

    CNN網(wǎng)絡(luò)是一種深度學(xué)習(xí)模型,由于其具有局部區(qū)域連接、權(quán)值共享、降采樣的結(jié)構(gòu)特點(diǎn),使得其在圖像處理領(lǐng)域具有獨(dú)特的表現(xiàn),并獲得了廣泛應(yīng)用[10。本文針對位移數(shù)據(jù)建立了一維卷積神經(jīng)網(wǎng)絡(luò)。CNN通過卷積核實現(xiàn)特征提取,具體步驟如下,首先初始化一個特征向量集M,然后在反向傳播中循環(huán)更新這個集合,讓其不斷逼近真實解,從而實現(xiàn)對位移數(shù)據(jù)的特征F的提取。一維卷積計算見式(5):

    式中 xl-1J——l-1層第j個輸出;f——激活函數(shù);wlij——卷積核的權(quán)重矩陣;xlj——l層第j個輸出;blj——偏置項。

    1.4 GRU算法

    GRU(Gate Recurrent Unit,門控循環(huán)單元)是為了解決RNN梯度爆炸問題[11而提出來的一種循環(huán)神經(jīng)網(wǎng)絡(luò)。GRU模型在RNN基礎(chǔ)上引入了2個門:更新門和重置門。結(jié)構(gòu)見圖1。

    圖中的zt和rt分別表示更新門和重置門。其數(shù)學(xué)表達(dá)式為:

    式中 ωr——重置門的權(quán)重;ωz——更新門的權(quán)重;tanh——雙曲正切函數(shù);σ——sigmoid函數(shù)。

    其中ωz、ωr、和ω0為需要訓(xùn)練的參數(shù)。

    1.5 CNN-GRU算法

    滑坡位移數(shù)據(jù)在時間序列上具有連續(xù)性及周期性,單獨(dú)使用GRU神經(jīng)網(wǎng)絡(luò)時,通過構(gòu)建多個GRU單元雖然可以學(xué)習(xí)位移數(shù)據(jù)的變化趨勢,從而實現(xiàn)位移預(yù)測,但無法提取位移數(shù)據(jù)特征導(dǎo)致結(jié)果出現(xiàn)較大誤差。因此本文提出將CNN-GRU組合網(wǎng)絡(luò)應(yīng)用于滑坡周期項位移預(yù)測中,首先通過CNN網(wǎng)絡(luò)提取輸入特征,構(gòu)建時序性的特征向量,并將結(jié)果輸入到GRU模型中學(xué)習(xí)這些特征的時間變化趨勢[12,從而實現(xiàn)對滑坡位移的預(yù)測。

    網(wǎng)絡(luò)結(jié)構(gòu)見圖2。CNN部分本文設(shè)計了2層一維卷積層,卷積核數(shù)目分別為4、8,每次卷積后都對應(yīng)一次最大池化,選取ReLU作為激活函數(shù)。在經(jīng)過2次卷積、池化、扁平處理后,得到一維全局特征向量并將其作為GRU層的輸入,經(jīng)過全連接層后輸出預(yù)測結(jié)果。將CNN與GRU相結(jié)合可以實現(xiàn)對位移數(shù)據(jù)時空特征的完整學(xué)習(xí)。

    1.6 模型精度評價

    本文采用均方根誤差(Root Mean Square Error,RMSE)、平均絕對百分比誤差(Mean Absolute Percentage Error,MAPE)、決定系數(shù)(R-Square,R2[13以及絕對誤差指標(biāo)評估模型預(yù)測精度。

    2 白水河滑坡概況

    2.1 工程地質(zhì)概況

    白水河滑坡地處湖北省秭歸縣,距離三峽大壩56 km,屬于三峽庫區(qū)范圍?;虑熬墰]入長江;左右兩側(cè)以基巖山脊為界[14;后緣以巖土分界處為界?;轮骰较蚣s為 NE20°,NS向長約 600 m,EW向?qū)捈s700 m,平均厚度30 m,體積約1.26×107m3,屬大型堆積層滑坡[15。白水河滑坡歷史上已發(fā)生多次較大的變形。2005年8月至2006年8月,滑坡地表多處出現(xiàn)下沉拉裂縫。2007年6月30日,預(yù)警區(qū)后緣發(fā)生較大規(guī)模坍塌。2009年8月,滑坡西部邊界裂縫呈羽狀斷續(xù)擴(kuò)展。

    2.2 滑坡特征分析

    白水河滑坡平面見圖3,本文選取白水河滑坡區(qū)ZG118監(jiān)測點(diǎn)數(shù)據(jù)進(jìn)行研究。

    通過整理實驗區(qū)自2004年1月至2012年12月的降雨量和庫水位數(shù)據(jù),分別得到滑坡位移變化與庫水位、降雨量的關(guān)系見圖4、5,圖4顯示白水河滑坡在庫水位減少后往往會發(fā)生階躍性增長,如2008年12月至2009年8月,庫水位由170.5 m減少至152.8 m,位移由828.4 mm增加至1 072.8 mm。白水河滑坡變形也受降雨的影響,見圖5。每年6—9月為汛期,汛期時因為降雨滲入土壤,會破壞坡體水-土力學(xué)平衡[15,導(dǎo)致發(fā)生階躍性增長。

    3 滑坡位移預(yù)測

    3.1 趨勢項位移檢驗

    小波分解中,信號被分解成多個子信號,每個子信號對應(yīng)著不同頻率的成分。小波系數(shù)反映了每個子信號中不同頻率成分的能量大小,可以用來描述信號的頻率特征。如果小波系數(shù)在高尺度上較大,而在低尺度上較小,則說明存在趨勢項,依據(jù)式(1)編寫程序,計算各個尺度下的小波系數(shù)。第四層小波系數(shù)的最大值要大于低層小波系數(shù)最大值,故可知存在趨勢項位移,見圖6。

    3.2 趨勢項提取及預(yù)測

    本文取2004年1月至2012年12月的滑坡位移數(shù)據(jù)作為原始數(shù)據(jù)。由于需要取前12月位移均值作為平滑初值,在此步驟使用了2004年1月至2006年12月的數(shù)據(jù),最終得到的趨勢項時間范圍為2007年1月至2012年12月。

    3.2.1 指數(shù)平滑法

    為了解決傳統(tǒng)方法提取的趨勢項仍然具有明顯周期性特點(diǎn)的問題,本文采用指數(shù)平滑法提取趨勢項位移,該方法分解結(jié)果由α取值決定,α的取值范圍為0~1,取值趨近于1時,平滑曲線與真實值越接近,曲線趨近于0時,曲線越接近直線。

    不同α取值結(jié)果見圖7。測試中當(dāng)α大于0.5后雖然趨勢項曲線更加平滑,但會失去滑坡位移特征。當(dāng)α小于0.3時,得到的趨勢項位移中仍然具有周期項特征。所以,當(dāng)α處于0.3~0.5時,分解效果最好。

    指數(shù)平滑法使用次數(shù)越多,得到的曲線越平滑,但最終預(yù)測精度會受到影響。綜合考慮分解效果和預(yù)測精度,取α=0.35,平滑次數(shù)為3次。

    趨勢項提取結(jié)果見圖8。只使用1次平滑時結(jié)果具有明顯的階躍變化,此時結(jié)果仍然具有周期性特征。重復(fù)使用3次平滑后,去除了累計位移中的周期性特征部分,取此結(jié)果作為趨勢項位移。

    3.2.2 趨勢項位移預(yù)測

    將分解得到的趨勢性位移的各時段數(shù)據(jù)進(jìn)行五次多項式擬合,擬合計算式為:

    y=a1x5+a2x4+a3x3+a4x2+a5x+a6(14)

    式中 y——趨勢項位移預(yù)測值;a1、a2、a3、a4、a5、a6——多項式系數(shù);x——從1至N依次取值。

    計算得到的擬合函數(shù)公式見式(15)。

    y=-1.62×105x5+0.002234x4-0.109x3+2.219x2+1.718x+703.9 ???(15)

    趨勢項位移擬合結(jié)果見圖9,且計算可得均方根誤差(RMSE)為10.48 mm,虛擬優(yōu)度R2為0.998 1,預(yù)測效果較好。

    3.3 周期項位移預(yù)測

    3.3.1 周期項檢驗

    依據(jù)式(2)計算各時間段的自相關(guān)函數(shù),計算結(jié)果見圖10。自相關(guān)函數(shù)會在一個周期時出現(xiàn)明顯的峰值,分析圖10可知,峰值出現(xiàn)在每年的12月份,因此位移數(shù)據(jù)存在周期項,并且周期為12個月,與現(xiàn)實相符合。

    3.3.2 周期項位移提取

    從累積位移中剔除趨勢項位移,即可得到周期項位移,見圖11。將2007年1月至2012年12月的位移分解為趨勢項與周期項,將2012年以前的數(shù)據(jù)作為訓(xùn)練集,2012年1—12月數(shù)據(jù)作為測試集。

    3.3.3 影響因子關(guān)聯(lián)度評價

    一個灰色系統(tǒng)中,各個因素之間發(fā)展趨勢的相似或相異程度,稱為灰色關(guān)聯(lián)度[16。在演變過程中,如果兩者的變化顯示出較高的相似度,則認(rèn)為兩者具有關(guān)聯(lián)。本文采用該方法計算單月降雨量、雙月降雨量等影響因子與滑坡位移變化之間的關(guān)聯(lián)度系數(shù),從而判斷該因子是否會對坡體位移演變產(chǎn)生影響,各個影響因子與滑坡位移關(guān)聯(lián)度見表1。

    當(dāng)影響因子的關(guān)聯(lián)度超過0.6,即可認(rèn)為該因子滑坡位移的推進(jìn)起到正向作用。由此可知,降雨量與庫水位對位移變化量有相關(guān)性,因此本文將單月降雨量、雙月降雨量、庫水位高程、當(dāng)月庫水位平均值作為CNN-GRU預(yù)測模型中的輸入數(shù)據(jù),可以提高模型的預(yù)測精度。

    3.3.4 周期項位移預(yù)測及結(jié)果對比分析

    選用LSTM、GRU與CNN-LSTM 3種動態(tài)神經(jīng)網(wǎng)絡(luò)與CNN-GRU做對比,4種神經(jīng)網(wǎng)絡(luò)參數(shù)保持一致。

    4種動態(tài)神經(jīng)網(wǎng)絡(luò)對周期項位移的預(yù)測結(jié)果見圖12,基本上都能保持與周期項位移真實值保持一致。但是在階躍式劇增部分GRU與LSTM預(yù)測效果并不好。4種網(wǎng)絡(luò)預(yù)測效果排名依次為CNN-GRU網(wǎng)絡(luò)模型、CNN-LSTM網(wǎng)絡(luò)模型、GRU網(wǎng)絡(luò)模型、LSTM網(wǎng)絡(luò)模型。

    各模型相對誤差誤差見圖13,評價指標(biāo)結(jié)果見表2,具體分析如下。

    a)在1—6月份未出現(xiàn)劇增數(shù)據(jù)前,4種預(yù)測模型都可以較好地跟隨位移真實值的變化趨勢。預(yù)測誤差普遍較小,最大誤差為LSTM網(wǎng)絡(luò)模型6月份的2.953%。6—7月,位移出現(xiàn)劇烈增長,此時LSTM網(wǎng)絡(luò)模型與GRU網(wǎng)絡(luò)模型誤差較大,分別為13.151%與10.656%。CNN-LSTM網(wǎng)絡(luò)模型誤差較小為6.84%,CNN-GRU網(wǎng)絡(luò)模型精度最高,誤差僅為3.789%。

    b)7月之后位移進(jìn)入遞減階段,分別于8、10月發(fā)生了2次較大幅度衰減,4種模型網(wǎng)絡(luò)均可跟隨變化,其中CNN-GRU的預(yù)測誤差最低,分別為-0.903%與-0.578%。

    c)CNN-GRU的RMSE為4.986,MAPE為1.447%,R2為0.997。指標(biāo)結(jié)果均優(yōu)于其他神經(jīng)網(wǎng)絡(luò)。

    3.4 累計位移預(yù)測

    將趨勢項位移預(yù)測值與周期項位移預(yù)測值疊加,即可得到滑坡位移累計預(yù)測值。累計位移及誤差見圖14,預(yù)測值能夠很好地跟隨實際值,平均絕對誤差百分比為0.525%,絕對誤差百分比最高僅為0.742%,RMSE為9.614、MAPE為0.525%、R2為0.993。預(yù)測結(jié)果顯示:CNN-GRU動態(tài)神經(jīng)網(wǎng)絡(luò)對于滑坡位移的預(yù)測精度比較高,能夠很好地反映坡體的動態(tài)演化過程。

    4 結(jié)論

    本文將特征提取能力較強(qiáng)的CNN網(wǎng)絡(luò)和變化趨勢學(xué)習(xí)能力較強(qiáng)的GRU網(wǎng)絡(luò)相結(jié)合,提出了基于時間序列和CNN-GRU動態(tài)神經(jīng)網(wǎng)絡(luò)的滑坡位移動態(tài)預(yù)測模型,并將此模型應(yīng)于白水河滑坡監(jiān)測點(diǎn)進(jìn)行預(yù)測。

    本文基于時間序列理論,使用小波分析與自相關(guān)函數(shù)分別檢驗滑坡位移的趨勢特征與周期特征,保證了后續(xù)研究的合理性與可行性。引入指數(shù)平滑法,將累計位移分解為周期項與趨勢項,相較于傳統(tǒng)的移動平均法,能夠保證得到的趨勢項更加平滑,且更符合客觀規(guī)律。對趨勢項位移采用五次多項式函數(shù)進(jìn)行擬合,擬合結(jié)果能夠較好地跟隨趨勢項真實值演化過程。對周期項與各類影響因子采用灰色關(guān)聯(lián)度分析,得到對周期項有影響的因子分別為單、雙月降雨量、當(dāng)月庫水位高程、當(dāng)月平均庫水位。并采用CNN-GRU模型對周期項進(jìn)行預(yù)測,將趨勢項預(yù)測結(jié)果與周期項預(yù)測結(jié)果疊加得到累計位移預(yù)測值,累計位移預(yù)測值平均絕對誤差百分比僅為0.525%,絕對誤差百分比最高為0.742%,RMSE為9.614、R2為0.993。取得了較好的位移預(yù)測效果,可以為相似滑坡體提供預(yù)警服務(wù)。

    參考文獻(xiàn):

    [1]楊背背,殷坤龍,杜娟.基于時間序列與長短時記憶網(wǎng)絡(luò)的滑坡位移動態(tài)預(yù)測模型[J].巖石力學(xué)與工程學(xué)報,2018,37(10):2334-2343.

    [2]黃海峰,易武,易慶林,等.滑坡位移分解預(yù)測中的平滑先驗分析方法[J].水文地質(zhì)工程地質(zhì),2014,41(5):95-100.

    [3]鄢好,陳驕銳,李紹紅,等.基于時間序列和GRU的滑坡位移預(yù)測[J].人民長江,2021,52(1):102-107,133.

    [4]宋麗偉.基于經(jīng)驗?zāi)B(tài)分解和LSTM模型的滑坡位移預(yù)測[J].人民長江,2020,51(5):144-148.

    [5]張明岳,李麗敏,溫宗周.RNN與LSTM方法用于滑坡位移動態(tài)預(yù)測的研究[J].人民珠江,2021,42(9):6-13.

    [6]楊飛,郝曉莉,楊建,等.基于多車型CNN-GRU性能預(yù)測模型的軌道狀態(tài)評價[J].西南交通大學(xué)學(xué)報,2023,58(2):322-331.

    [7]彭偉,熊佳藝,江顯群,等.基于神經(jīng)網(wǎng)絡(luò)的小型水庫洪水預(yù)報研究[J].人民珠江,2023,44(3):1-8.

    [8]郭子正,楊玉飛,何俊,等.考慮注意力機(jī)制的新型深度學(xué)習(xí)模型預(yù)測滑坡位移[J/OL].地球科學(xué):1-21[2023-12-05].http://kns.cnki.net/kcms/detail/42.1874.P.20220823.0908.004.html.

    [9]南驍聰,劉俊峰,張永選,等.基于多源時間序列的滑坡位移動態(tài)預(yù)測[J].人民珠江,2023,44(4):54-62.

    [10]王連云,陶洪峰,徐琛,等.基于多層訓(xùn)練干擾的CNN軸承故障診斷[J].控制工程,2022,29(9):1652-1657.

    [11]王錦濤,文曉濤,何易龍,等.基于CNN-GRU神經(jīng)網(wǎng)絡(luò)的測井曲線預(yù)測方法[J].石油物探,2022,61(2):276-285.

    [12]WAN J,F(xiàn)U J F,TAN D M,et al.Solar Flare Forecast Model Based on Resampling and Fusion Method[J].Research in Astronomy and Astrophysics,2022,22(8):240-250.

    [13]李麗敏,張明岳,溫宗周,等.基于奇異譜分析法和長短時記憶網(wǎng)絡(luò)組合模型的滑坡位移預(yù)測[J].信息與控制,2021,50(4):459-469,482.

    [14]陳銳,范小光,吳益平.基于數(shù)據(jù)挖掘技術(shù)的白水河滑坡多場信息關(guān)聯(lián)準(zhǔn)則分析[J].中國地質(zhì)災(zāi)害與防治學(xué)報,2021,32(6):1-8.

    [15]喬素云,馬云彪,尹思杰,等.基于巖土參數(shù)變異特性的三峽庫區(qū)白水河滑坡失穩(wěn)概率分析[J].中國地質(zhì)災(zāi)害與防治學(xué)報,2018,29(5):38-43,51.

    [16]程立文,黃生志,李沛,等.耦合二次因子篩選和深度學(xué)習(xí)的徑流預(yù)報研究[J].人民珠江,2023,44(6):41-52,69.

    (責(zé)任編輯:李澤華)

    猜你喜歡
    時間序列
    基于分布式架構(gòu)的時間序列局部相似檢測算法
    基于嵌入式向量和循環(huán)神經(jīng)網(wǎng)絡(luò)的用戶行為預(yù)測方法
    醫(yī)學(xué)時間序列中混沌現(xiàn)象的初步研究
    科技視界(2016年26期)2016-12-17 17:12:56
    基于時間序列分析南京市二手房的定價模型
    云南銀行產(chǎn)業(yè)集聚與地區(qū)經(jīng)濟(jì)增長研究
    時代金融(2016年30期)2016-12-05 19:55:50
    基于Eviews上證綜合指數(shù)預(yù)測
    時代金融(2016年29期)2016-12-05 16:12:09
    上證綜指收益率的影響因素分析
    時代金融(2016年27期)2016-11-25 17:21:02
    基于指數(shù)平滑的電站設(shè)備故障時間序列預(yù)測研究
    基于時間序列的我國人均GDP分析與預(yù)測
    商(2016年32期)2016-11-24 16:20:57
    基于線性散列索引的時間序列查詢方法研究
    軟件工程(2016年8期)2016-10-25 15:43:57
    国产精品久久久av美女十八| 国产毛片在线视频| 国产成人精品无人区| 最新中文字幕久久久久| 免费大片18禁| 亚洲成人一二三区av| 极品少妇高潮喷水抽搐| 99国产综合亚洲精品| 香蕉国产在线看| 免费av中文字幕在线| 9191精品国产免费久久| 亚洲图色成人| 亚洲成色77777| 欧美日韩视频精品一区| 丰满迷人的少妇在线观看| 丝袜脚勾引网站| 国产色爽女视频免费观看| 久久精品人人爽人人爽视色| 亚洲国产av新网站| 亚洲国产最新在线播放| 日本91视频免费播放| 亚洲性久久影院| 一级,二级,三级黄色视频| 一本色道久久久久久精品综合| xxxhd国产人妻xxx| 国产欧美日韩一区二区三区在线| 深夜精品福利| 精品人妻熟女毛片av久久网站| 日韩视频在线欧美| 熟女av电影| 国产成人精品一,二区| 韩国av在线不卡| 最后的刺客免费高清国语| 亚洲精品中文字幕在线视频| 国产在线视频一区二区| 免费在线观看黄色视频的| 免费大片18禁| 三上悠亚av全集在线观看| 人妻一区二区av| 午夜日本视频在线| 搡老乐熟女国产| 免费日韩欧美在线观看| 国产淫语在线视频| 1024视频免费在线观看| 成人漫画全彩无遮挡| 少妇人妻精品综合一区二区| 欧美激情 高清一区二区三区| 日韩av在线免费看完整版不卡| 精品午夜福利在线看| 国产精品久久久久久av不卡| 十八禁高潮呻吟视频| 成人免费观看视频高清| av片东京热男人的天堂| 国产精品熟女久久久久浪| 精品亚洲成国产av| 大话2 男鬼变身卡| 久久久精品94久久精品| 国产69精品久久久久777片| 18+在线观看网站| 美女大奶头黄色视频| 国产国拍精品亚洲av在线观看| 高清欧美精品videossex| 国产日韩欧美亚洲二区| 一区二区三区精品91| 精品一区二区免费观看| 精品国产国语对白av| 国产深夜福利视频在线观看| 肉色欧美久久久久久久蜜桃| 2018国产大陆天天弄谢| 亚洲欧美日韩另类电影网站| 高清视频免费观看一区二区| 日韩伦理黄色片| 一区二区三区四区激情视频| 精品亚洲乱码少妇综合久久| 在线看a的网站| 五月玫瑰六月丁香| 下体分泌物呈黄色| a级片在线免费高清观看视频| 国产黄色免费在线视频| 最近中文字幕高清免费大全6| 亚洲成人一二三区av| 91精品三级在线观看| 如日韩欧美国产精品一区二区三区| 精品一区在线观看国产| 91精品伊人久久大香线蕉| 999精品在线视频| 久久久久国产网址| 亚洲av.av天堂| 久久精品国产综合久久久 | 在线看a的网站| 高清av免费在线| 亚洲一级一片aⅴ在线观看| 欧美少妇被猛烈插入视频| 亚洲五月色婷婷综合| 日韩在线高清观看一区二区三区| 日本av免费视频播放| 国精品久久久久久国模美| 熟妇人妻不卡中文字幕| 插逼视频在线观看| xxx大片免费视频| 一本久久精品| 日本欧美视频一区| 免费高清在线观看视频在线观看| 少妇猛男粗大的猛烈进出视频| 亚洲国产精品国产精品| 男女下面插进去视频免费观看 | 久久精品国产亚洲av涩爱| 国产 一区精品| 啦啦啦视频在线资源免费观看| 久久精品国产亚洲av天美| 熟女电影av网| 国产片内射在线| 韩国高清视频一区二区三区| 99国产综合亚洲精品| 啦啦啦在线观看免费高清www| 丝袜脚勾引网站| 熟女av电影| 99香蕉大伊视频| 精品卡一卡二卡四卡免费| 国产亚洲精品第一综合不卡 | 性色av一级| 看免费成人av毛片| 亚洲综合色网址| 最近2019中文字幕mv第一页| 亚洲成av片中文字幕在线观看 | 又粗又硬又长又爽又黄的视频| 国产黄色视频一区二区在线观看| 大香蕉久久网| 国产国拍精品亚洲av在线观看| 人妻系列 视频| 久久精品国产亚洲av涩爱| 一区二区av电影网| 亚洲欧美中文字幕日韩二区| 国产在线免费精品| 十分钟在线观看高清视频www| 亚洲国产色片| 岛国毛片在线播放| 一边亲一边摸免费视频| 青春草国产在线视频| 黄色配什么色好看| 国产国拍精品亚洲av在线观看| 国产精品国产三级国产专区5o| 日韩,欧美,国产一区二区三区| 国产一区二区在线观看av| 国产精品嫩草影院av在线观看| 国产一区有黄有色的免费视频| 视频在线观看一区二区三区| 9191精品国产免费久久| kizo精华| 日韩伦理黄色片| 我要看黄色一级片免费的| 日韩一区二区视频免费看| 黄片无遮挡物在线观看| 最近手机中文字幕大全| 欧美+日韩+精品| 极品人妻少妇av视频| 99久国产av精品国产电影| 久久婷婷青草| 免费在线观看黄色视频的| 大香蕉97超碰在线| 亚洲久久久国产精品| 菩萨蛮人人尽说江南好唐韦庄| 曰老女人黄片| 亚洲图色成人| 看免费成人av毛片| 久久久亚洲精品成人影院| 久久久精品94久久精品| 亚洲精品第二区| 国产亚洲精品第一综合不卡 | 国产成人a∨麻豆精品| 久久久久网色| 七月丁香在线播放| 日本猛色少妇xxxxx猛交久久| av一本久久久久| 中文字幕另类日韩欧美亚洲嫩草| 在线观看免费日韩欧美大片| 久久ye,这里只有精品| 少妇人妻精品综合一区二区| 十八禁高潮呻吟视频| 国产成人精品久久久久久| 日韩av免费高清视频| 国产精品99久久99久久久不卡 | 亚洲伊人久久精品综合| 国产一区亚洲一区在线观看| av又黄又爽大尺度在线免费看| 啦啦啦视频在线资源免费观看| 亚洲国产最新在线播放| 99热这里只有是精品在线观看| 老熟女久久久| 亚洲三级黄色毛片| 丁香六月天网| 亚洲,欧美精品.| 两个人免费观看高清视频| 国产又爽黄色视频| 秋霞伦理黄片| 18+在线观看网站| 考比视频在线观看| 亚洲国产精品999| 亚洲成色77777| 亚洲国产精品一区二区三区在线| 中文欧美无线码| 免费在线观看黄色视频的| 街头女战士在线观看网站| 国产一区二区在线观看av| 久久人人爽av亚洲精品天堂| a 毛片基地| 欧美成人精品欧美一级黄| 欧美成人午夜免费资源| 欧美精品亚洲一区二区| 男人爽女人下面视频在线观看| 一边摸一边做爽爽视频免费| 久久久久网色| 蜜桃国产av成人99| 麻豆精品久久久久久蜜桃| 九色亚洲精品在线播放| 国产亚洲一区二区精品| 精品视频人人做人人爽| 只有这里有精品99| 美女福利国产在线| videos熟女内射| 岛国毛片在线播放| 成人手机av| 青春草亚洲视频在线观看| 国产乱人偷精品视频| 午夜日本视频在线| 欧美国产精品va在线观看不卡| 不卡视频在线观看欧美| 国产男人的电影天堂91| 18禁动态无遮挡网站| 母亲3免费完整高清在线观看 | 亚洲av免费高清在线观看| 捣出白浆h1v1| 搡老乐熟女国产| 国产高清三级在线| 如日韩欧美国产精品一区二区三区| 老司机影院成人| 岛国毛片在线播放| 伦理电影免费视频| 精品国产一区二区三区四区第35| 欧美bdsm另类| 麻豆乱淫一区二区| 中文天堂在线官网| 亚洲综合精品二区| 国产男女超爽视频在线观看| 日日摸夜夜添夜夜爱| 久热这里只有精品99| 少妇人妻 视频| 一边摸一边做爽爽视频免费| 中文字幕另类日韩欧美亚洲嫩草| 久久 成人 亚洲| 午夜视频国产福利| 七月丁香在线播放| 久久精品国产亚洲av天美| 在线观看免费日韩欧美大片| 97精品久久久久久久久久精品| 人体艺术视频欧美日本| 国产成人a∨麻豆精品| 欧美激情 高清一区二区三区| 大码成人一级视频| 精品亚洲成a人片在线观看| 国产一区二区三区av在线| 曰老女人黄片| 人体艺术视频欧美日本| 美女福利国产在线| 国产在线免费精品| av天堂久久9| 精品一区二区三卡| 久久久久视频综合| 男女午夜视频在线观看 | 少妇精品久久久久久久| 国产精品秋霞免费鲁丝片| 久久精品久久久久久久性| 久久99一区二区三区| 午夜福利视频精品| 黄色配什么色好看| 黄色怎么调成土黄色| 一区二区日韩欧美中文字幕 | 免费黄网站久久成人精品| 一区二区三区精品91| av女优亚洲男人天堂| 免费高清在线观看日韩| 美女福利国产在线| 五月开心婷婷网| 亚洲av电影在线观看一区二区三区| 亚洲国产毛片av蜜桃av| 99热网站在线观看| 99久久人妻综合| 成人黄色视频免费在线看| 少妇人妻精品综合一区二区| 人成视频在线观看免费观看| 99久国产av精品国产电影| 欧美最新免费一区二区三区| 毛片一级片免费看久久久久| 国产白丝娇喘喷水9色精品| 黑人欧美特级aaaaaa片| 久久毛片免费看一区二区三区| 亚洲精品乱久久久久久| 久久久国产欧美日韩av| 成人国产av品久久久| 亚洲国产成人一精品久久久| 国产精品一二三区在线看| 一级爰片在线观看| 这个男人来自地球电影免费观看 | 亚洲精品国产av蜜桃| 亚洲成av片中文字幕在线观看 | 啦啦啦中文免费视频观看日本| 18+在线观看网站| 一边亲一边摸免费视频| 精品视频人人做人人爽| 亚洲内射少妇av| 国产色爽女视频免费观看| 日本wwww免费看| 久久久久久人人人人人| 一区在线观看完整版| 韩国高清视频一区二区三区| 亚洲av中文av极速乱| 亚洲国产精品成人久久小说| 纵有疾风起免费观看全集完整版| 欧美 亚洲 国产 日韩一| 90打野战视频偷拍视频| 大片免费播放器 马上看| 亚洲国产日韩一区二区| 日日爽夜夜爽网站| 女人久久www免费人成看片| xxxhd国产人妻xxx| 黄色配什么色好看| 国产1区2区3区精品| 国产毛片在线视频| 色视频在线一区二区三区| 欧美老熟妇乱子伦牲交| 国产亚洲最大av| 久久婷婷青草| 亚洲欧洲日产国产| 国产午夜精品一二区理论片| 制服人妻中文乱码| 亚洲精品一二三| 欧美另类一区| 97超碰精品成人国产| 亚洲内射少妇av| 日韩视频在线欧美| 亚洲欧洲日产国产| 国产又色又爽无遮挡免| 久久久精品94久久精品| 宅男免费午夜| 黄片播放在线免费| 精品人妻熟女毛片av久久网站| 9色porny在线观看| 不卡视频在线观看欧美| 日日摸夜夜添夜夜爱| 看免费成人av毛片| 国产成人a∨麻豆精品| 国产一区二区激情短视频 | 亚洲图色成人| 我的女老师完整版在线观看| 亚洲第一av免费看| 又粗又硬又长又爽又黄的视频| 国产日韩欧美在线精品| 亚洲内射少妇av| 成年女人在线观看亚洲视频| 多毛熟女@视频| h视频一区二区三区| 少妇的逼好多水| 秋霞在线观看毛片| 视频在线观看一区二区三区| 丰满饥渴人妻一区二区三| 2022亚洲国产成人精品| 妹子高潮喷水视频| 日韩伦理黄色片| 国产爽快片一区二区三区| 最新中文字幕久久久久| 国产乱人偷精品视频| 久久久久久伊人网av| 国产欧美日韩一区二区三区在线| 国产麻豆69| 高清毛片免费看| 亚洲美女视频黄频| 精品人妻一区二区三区麻豆| 日韩中文字幕视频在线看片| 久久婷婷青草| 久久影院123| 国产毛片在线视频| 中文字幕av电影在线播放| 五月开心婷婷网| 男男h啪啪无遮挡| 国产白丝娇喘喷水9色精品| 黄色怎么调成土黄色| 亚洲精品美女久久久久99蜜臀 | 成年美女黄网站色视频大全免费| a级毛片黄视频| 欧美精品人与动牲交sv欧美| 99热全是精品| 五月伊人婷婷丁香| 久久精品国产鲁丝片午夜精品| 精品一区二区免费观看| 日本欧美视频一区| 男女高潮啪啪啪动态图| 久久久国产欧美日韩av| 欧美日韩精品成人综合77777| 国内精品宾馆在线| 考比视频在线观看| 亚洲欧美成人综合另类久久久| 国产老妇伦熟女老妇高清| 国产男女超爽视频在线观看| av在线播放精品| 亚洲五月色婷婷综合| 久久久久久久久久久免费av| 一级a做视频免费观看| 久久久久久久亚洲中文字幕| 又粗又硬又长又爽又黄的视频| 久久这里有精品视频免费| 久久ye,这里只有精品| 深夜精品福利| 美女福利国产在线| 欧美xxⅹ黑人| 亚洲精品成人av观看孕妇| av在线观看视频网站免费| 久久精品久久久久久久性| 五月伊人婷婷丁香| videos熟女内射| 国产成人精品婷婷| 宅男免费午夜| 久久国产亚洲av麻豆专区| 99精国产麻豆久久婷婷| 亚洲欧美中文字幕日韩二区| 久久99蜜桃精品久久| 18禁动态无遮挡网站| 菩萨蛮人人尽说江南好唐韦庄| 一个人免费看片子| 一级毛片电影观看| 精品人妻熟女毛片av久久网站| 男男h啪啪无遮挡| 中文字幕另类日韩欧美亚洲嫩草| 国产黄色视频一区二区在线观看| 91aial.com中文字幕在线观看| 中文字幕免费在线视频6| 精品一区二区三区四区五区乱码 | 99热国产这里只有精品6| 国产乱人偷精品视频| 国产男人的电影天堂91| 欧美老熟妇乱子伦牲交| 少妇猛男粗大的猛烈进出视频| 熟女电影av网| 侵犯人妻中文字幕一二三四区| 国产极品天堂在线| 18禁观看日本| 免费不卡的大黄色大毛片视频在线观看| 在线观看免费视频网站a站| 国产日韩一区二区三区精品不卡| 国产白丝娇喘喷水9色精品| 春色校园在线视频观看| 一级,二级,三级黄色视频| 亚洲精品中文字幕在线视频| 女人精品久久久久毛片| 国产av一区二区精品久久| 天堂8中文在线网| 久久久久国产网址| 久久国内精品自在自线图片| 18在线观看网站| 女人被躁到高潮嗷嗷叫费观| 国产欧美另类精品又又久久亚洲欧美| 97超碰精品成人国产| 国精品久久久久久国模美| 你懂的网址亚洲精品在线观看| 日韩 亚洲 欧美在线| 香蕉国产在线看| 久久精品国产鲁丝片午夜精品| 又粗又硬又长又爽又黄的视频| 国产精品不卡视频一区二区| 丝袜美足系列| 成人毛片a级毛片在线播放| 在线观看www视频免费| 日韩不卡一区二区三区视频在线| 久久狼人影院| 久久青草综合色| 国产精品一区二区在线不卡| 黄色一级大片看看| 我要看黄色一级片免费的| 亚洲激情五月婷婷啪啪| 亚洲国产成人一精品久久久| 亚洲国产欧美在线一区| 欧美激情 高清一区二区三区| 少妇猛男粗大的猛烈进出视频| 欧美xxⅹ黑人| 另类精品久久| 我的女老师完整版在线观看| 亚洲精华国产精华液的使用体验| 国产成人免费无遮挡视频| 亚洲欧美精品自产自拍| 啦啦啦啦在线视频资源| av片东京热男人的天堂| 国产又色又爽无遮挡免| 亚洲婷婷狠狠爱综合网| 一级,二级,三级黄色视频| 久久久久久人人人人人| 大片电影免费在线观看免费| 精品少妇黑人巨大在线播放| 国产亚洲精品久久久com| 蜜臀久久99精品久久宅男| 国产深夜福利视频在线观看| 国国产精品蜜臀av免费| 国产一区二区激情短视频 | 日韩欧美一区视频在线观看| 亚洲精品久久午夜乱码| 成年美女黄网站色视频大全免费| 热re99久久精品国产66热6| 亚洲av.av天堂| 国产精品国产av在线观看| 国产av国产精品国产| 男女免费视频国产| 国产精品久久久久久精品古装| 日日撸夜夜添| 欧美激情 高清一区二区三区| 午夜91福利影院| 男女边摸边吃奶| 亚洲精品国产av蜜桃| 国产国拍精品亚洲av在线观看| 精品人妻熟女毛片av久久网站| 久久国内精品自在自线图片| 日本av免费视频播放| 免费黄频网站在线观看国产| 久久热在线av| 精品熟女少妇av免费看| 啦啦啦啦在线视频资源| 亚洲精品色激情综合| 欧美激情国产日韩精品一区| 99久国产av精品国产电影| 国产精品无大码| 又黄又爽又刺激的免费视频.| 9色porny在线观看| 中文字幕人妻丝袜制服| 丰满饥渴人妻一区二区三| 色吧在线观看| 亚洲,欧美,日韩| 我要看黄色一级片免费的| 两性夫妻黄色片 | 亚洲国产av影院在线观看| 国产av一区二区精品久久| 精品少妇内射三级| 天天躁夜夜躁狠狠久久av| 黑人巨大精品欧美一区二区蜜桃 | 国产白丝娇喘喷水9色精品| 熟女人妻精品中文字幕| 国产一区二区在线观看av| 18+在线观看网站| 丰满少妇做爰视频| 一区二区三区精品91| 久久久a久久爽久久v久久| 人人澡人人妻人| 日本-黄色视频高清免费观看| 亚洲成人一二三区av| 在线观看三级黄色| 岛国毛片在线播放| 最近2019中文字幕mv第一页| 国产成人91sexporn| 少妇被粗大的猛进出69影院 | 欧美人与善性xxx| 热99国产精品久久久久久7| 欧美人与性动交α欧美精品济南到 | 制服诱惑二区| 亚洲国产看品久久| 一二三四中文在线观看免费高清| 男女啪啪激烈高潮av片| 极品少妇高潮喷水抽搐| 美女xxoo啪啪120秒动态图| 一级毛片黄色毛片免费观看视频| 免费看av在线观看网站| 国产亚洲欧美精品永久| 看十八女毛片水多多多| 成年人午夜在线观看视频| 成人国产麻豆网| 国产不卡av网站在线观看| 日韩免费高清中文字幕av| 香蕉国产在线看| 日韩精品免费视频一区二区三区 | 99国产精品免费福利视频| 老司机亚洲免费影院| 观看av在线不卡| 久久狼人影院| 好男人视频免费观看在线| 亚洲精品久久久久久婷婷小说| 国产高清三级在线| 日日爽夜夜爽网站| 亚洲av中文av极速乱| 国产色爽女视频免费观看| 一区二区三区四区激情视频| 最近最新中文字幕大全免费视频 | 国产男女内射视频| 老司机影院毛片| 久久99热6这里只有精品| 亚洲精品色激情综合| av有码第一页| a级毛色黄片| 大码成人一级视频| 看十八女毛片水多多多| 天堂俺去俺来也www色官网| 精品久久蜜臀av无| 大香蕉久久网| 三级国产精品片| 777米奇影视久久| 国产白丝娇喘喷水9色精品| 国产精品一二三区在线看| 国产亚洲欧美精品永久| 免费高清在线观看日韩| 国产精品久久久久久精品古装| 夫妻午夜视频| 国产av码专区亚洲av| 国产一级毛片在线| 97在线视频观看| 国产精品久久久久久久电影| 国产精品久久久久久精品古装| 亚洲成国产人片在线观看| 成人午夜精彩视频在线观看| 啦啦啦中文免费视频观看日本| 免费女性裸体啪啪无遮挡网站| 韩国av在线不卡|