作者：周超， 殷坤龙， 黄发明

作者单位：中国地质大学（武汉） 工程学院， 中国地质大学（武汉）  地质调查研究院

来源：岩土力学

针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足，提出了一种基于混沌时间序列的小波分解-极限学习机（WA-ELM）滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础，应用小波分析将位移序列分解为具有不同频率特征的分量，对各特征分量分别进行相空间重构并应用极限学习机进行预测，最后将各特征分量预测值叠加，得到原始位移序列的预测值。

以三峡库区八字门滑坡为例，并与小波分析-支持向量机（WA-SVM）以及单独 ELM 模型进行对比研究。结果表明，基于混沌时间序列的 WA-ELM 模型预测精度较高且具有较好的通用性与稳定性，是一种有效的滑坡位移预测方法。