基于BOVMD-P-BOXGBoost的阶跃式滑坡位移预测

摘要

为精准预测阶跃式滑坡位移，建立贝叶斯优化（Bayesian optimization,BO）、变分模态分解（variational mode decomposition,VMD）、极限梯度提升树（extreme gradient boosting,XGBoost）和多项式（polynomial,P）的滑坡位移预测混合模型BOVMD-P-BOXGBoost。采用BO优化VMD和K-means分解并重构监测位移为趋势位移和周期位移，轮廓系数用于确定K-means最佳簇数。考虑趋势位移和周期位移各自变化特性，利用多项式和BO优化XGBoost分别预测趋势位移和周期位移，将二者预测值的和作为最终预测值并进行精度评价。周期位移预测考虑了库水位、累积降雨、前期位移影响，并通过相关性矩阵和构造动态输入特征获得BOXGBoost模型的输入数据。基于白水河滑坡实例，验证BOVMD-P-BOXGBoost预测阶跃式滑坡位移的有效性和准确性。结果表明：BOVMD-P-BOXGBoost预测值和滑坡位移真实值相似度较高，表现出较高准确性和优异的泛化性能。因此，采用BOVMD-P-BOXGBoost能够精准预测阶跃式滑坡潜在位移，为滑坡风险防控提供参考借鉴。

关键词

阶跃式滑坡 / 位移预测 / 贝叶斯优化 / XGBoost / VMD