滑坡变形监测数据的不同平滑方法对比试验研究

摘要

滑坡变形监测数据具有非线性、非平稳性和不确定性等复杂特征，给数据平滑处理带来了诸多挑战。为寻求一种适用于复杂变形数据的高效平滑方法，该文对4种平滑算法的性能进行了比较研究。首先采用局部异常因子算法识别并剔除监测数据中的异常值，然后选取移动平均法、指数平滑法、多项式拟合法和局部加权散点平滑法4种算法，对3个库水滑坡的6条不同类型的实测变形数据进行了平滑对比试验。利用均方根误差、决定系数和赤池信息量准则3个指标，定量评估各算法的平滑性能。研究结果表明，局部加权散点平滑法在宏观趋势把握和局部细节刻画上均优于其他方法，展现出优异的鲁棒性和自适应性，生成的平滑曲线能够较好逼近原始监测数据，整体趋势准确，局部特征清晰，即使在数据存在多次阶跃和剧烈变化等复杂情况下，仍能保持良好的平滑效果。与其他方法相比，局部加权散点平滑法的均方根误差平均降低了53.8%,赤池信息量准则平均降低了12.7%,决定系数平均提高了0.2%,普遍达到0.997以上。局部加权散点平滑法适用于复杂滑坡变形监测数据的平滑处理，为基于滑坡变形数据的预警指标计算提供支撑。

关键词

变形监测 / 异常值剔除 / 数据平滑 / 鲁棒性