《表3 不同模型支持下的白水河滑坡位移预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种V/S和LSTM结合的滑坡变形分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。