一种逻辑回归优化的SVR-LSTM滑坡位移预测方法及系统

本发明涉及滑坡位移预测，具体为一种逻辑回归优化的svr-lstm滑坡位移预测方法及系统。

背景技术：

1、滑坡是一种常见的突发地质灾害，我国是世界上发生地质灾害频繁的国家之一，随着极端气候常态化，滑坡灾害造成的危害猝不及防。相比于地震，发生滑坡的面积范围较小，但是发生频率比地震高。为了让人民群众安全、财产安全得到有效的保证，对滑坡进行位移预测是很有必要的，从而实现预险于前，达到减轻滑坡危害的目的。

2、目前，因滑坡位移预测受到国内外学者的高度关注，使得滑坡位移预测的发展得以稳步进行。但传统的预测模型往往存在预测精度不高，泛化能力较弱的问题；单一算法模型其自身可能存在易陷入局部最优值、收敛精度不高的问题。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，提出了本发明。

3、本发明实施例的第一方面，提供一种逻辑回归优化的svr-lstm滑坡位移预测方法，包括：收集各监测点的滑坡位移数据，采用平均移动法将所述滑坡位移数据分解为趋势项数据和周期项数据；根据所述滑坡位移数据构建数据集，并初步筛选候选输入因素，对所述候选输入因素和所述周期项数据进行pearson相关系数分析获取模型输入因子；利用支持向量回归算法和lstm算法分别对所述趋势项数据和周期项数据进行预测，并分别获取两种算法对应的总位移预测结果；将所述模型输入因子和所述总位移预测结果作为逻辑回归分类算法的备选因素，通过所述逻辑回归分类算法计算支持向量回归模型和lstm模型的权重，并对数据进行处理后得到逻辑回归优化的总位移预测值。

4、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：将所述滑坡位移数据分解为趋势项数据和周期项数据包括，

5、采用平均移动法对所述滑坡位移数据中的波动进行平滑处理，并提取出趋势项数据，根据移动平均周期提取周期项数据；

6、所述平均移动法的计算包括，

7、

8、其中，表示趋势项位移在时间步t的值，xt表示累计位移在时间步t的值，n表示移动平均周期。

9、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：所述模型输入因子的获取包括，

10、对所述候选输入因素和所述周期项数据进行pearson相关系数分析，选取若干个所述pearson相关系数最大值对应的候选输入因素，作为周期项位移预测模型中的输入因子；

11、所述pearson相关系数的计算包括，

12、

13、其中，x和y表示两个等长向量，n表示向量元素个数。

14、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：所述对趋势项数据和周期项数据进行预测包括，

15、利用支持向量回归算法和lstm算法分别对所述趋势项数据和周期项数据进行预测，所述趋势项数据采用单变量预测模型，所述周期项数据采用多变量预测模型；

16、根据所述趋势项数据，将55％～65％的数据作为所述单变量预测模型的训练集进行训练，将10％～20％的数据作为所述单变量预测模型的验证集来调整模型的超参数，并获取基于支持向量回归算法和lstm算法的趋势项数据最优预测模型，根据所述趋势项数据最优预测模型分别获取基于支持向量回归算法和lstm算法的趋势项数据预测结果；

17、采用上述预测方式获取基于支持向量回归算法和lstm算法的周期项数据预测结果。

18、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：所述逻辑回归分类算法的备选因素包括，

19、将所述基于支持向量回归算法和lstm算法的趋势项数据预测结果以及周期项数据预测结果对应相加，得到基于支持向量回归算法和lstm算法的总位移预测结果；

20、将所述模型输入因子、基于支持向量回归算法的总位移预测结果、基于lstm算法的总位移预测结果以及两个总位移预测结果的差值作为逻辑回归分类算法的备选因素。

21、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：所述总位移预测值的获取包括，

22、对所述备选因素和所述候选输入因子进行pearson相关系数分析，选取所述pearson相关系数分析中相关性大的因素作为逻辑回归分类算法模型的输入因子；

23、将前60组输入因子作为所述逻辑回归分类算法模型的训练集进行训练，得到最优分类预测模型，将剩下的12组数据作为预测数据集，通过所述逻辑回归分类算法计算支持向量回归模型和lstm模型的权重，并对数据进行处理后得到逻辑回归优化的总位移预测值。

24、作为本发明所述的逻辑回归优化的svr-lstm滑坡位移预测方法的一种优选方案，其中：还包括，

25、对所述预测数据集中的位移监测值和逻辑回归优化的总位移预测值进行评估，并计算均方根误差和平均绝对百分比误差，实现对滑坡位移的预测评估。

26、本发明实施例的第二方面，提供一种逻辑回归优化的svr-lstm滑坡位移预测系统，包括：

27、数据采集单元，用于收集各监测点的滑坡位移数据，采用平均移动法将所述滑坡位移数据分解为趋势项数据和周期项数据；

28、数据处理单元，用于根据所述滑坡位移数据构建数据集，并初步筛选候选输入因素，对所述候选输入因素和所述周期项数据进行pearson相关系数分析获取模型输入因子，利用支持向量回归算法和lstm算法分别对所述趋势项数据和周期项数据进行预测，并分别获取两种算法对应的总位移预测结果；

29、位移预测单元，用于将所述模型输入因子和所述总位移预测结果作为逻辑回归分类算法的备选因素，通过所述逻辑回归分类算法计算支持向量回归模型和lstm模型的权重，并对数据进行处理后得到逻辑回归优化的总位移预测值。

30、本发明实施例的第三方面，提供一种设备，所述设备包括，

31、处理器；

32、用于存储处理器可执行指令的存储器；

33、所述处理器被配置为调用所述存储器存储的指令，以执行本发明任一实施例所述的方法。

34、本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，包括：

35、所述计算机程序指令被处理器执行时实现如本发明任一实施例所述的方法。

36、本发明的有益效果：本发明提供一种逻辑回归优化的svr-lstm滑坡位移预测方法及系统，使用两种不同的算法对数据集和测试集分别进行了预测，在得到两种不同算法的总位移预测结果之后，通过逻辑回归算法计算各预测值权重后得到的最终滑坡位移预测值，有效地构建了滑坡位移与因素之间的响应关系，有助于提高预测结果的准确性及稳定性，体现了该方法建立下的集成模型在滑坡易发区的滑坡位移预测中具有应用潜力。