基于电阻率的滑坡土体含水率贝叶斯LSTM网络模型预测研究

作者:崔雪; 田斌; 卢晓春; 熊勃勃; 冯程鑫
更新时间:

地下水是影响滑坡稳定性的重要参数。目前的土壤水分监测方法有不同程度的局限性。为此,基于高密度电法的试验数据和土壤含水量,采用长期和短期记忆网络等四种模型对滑坡的土壤含水量进行预测。以均方根误差和拟合优度为模型评价标准,提出了一种基于贝叶斯结构和经验函数的Drop外网络层参数确定算法,对模型进行了优化,通过计算模型的训练时间和均方根误差,验证了算法的可行性。研究表明,长期和短期记忆网络模型在均方根误差的拟合结果仅为0.004 2,在拟合优度的拟合结果仅为0.9705,优于其他算法,在滑坡土壤含水量预测中的应用效果更好。算例表明,在Drop-out取值的优化模型为0.52时,均方根误差值与优化前的数值相差不大,但模型的训练时间减少了45秒,模型的计算效率显著提高。