《表3 不同模型支持下的白水河滑坡位移预测结果》
将滑坡趋势项与周期项两项预测位移值相加,即为累积位移预测值。为验证LSTM神经网络的适用性,本文分别利用经典反向传播(back propagation,BP)神经网络、ELMAN递归神经网络开展滑坡位移周期项预测,实现滑坡累积位移总预测,并与利用ARIMA模型实现单一时间序列预测作比较分析。神经网络模型的输入维均为6,输出维均为1,训练函数均为trainlm;BP神经网络隐含层节点数为12;ELMAN递归神经网络隐含层节点数为3;ARIMA预测模型结构为ARIMA(0,2,1)。各模型预测结果见表3和图6。
图表编号 | XD0043204400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.05 |
作者 | 冯非凡、武雪玲、牛瑞卿、许石罗 |
绘制单位 | 国土资源部城市土地资源监测与仿真重点实验室、中国地质大学(武汉)地球物理与空间信息学院、河南省地质矿产勘查开发局第四地质勘查院、中国地质大学(武汉)地球物理与空间信息学院、中国地质大学(武汉)地球物理与空间信息学院、中国地质大学(武汉)地球物理与空间信息学院 |
更多格式 | 高清、无水印(增值服务) |