1、求，其熵值计算如式。，式中，是个常数分别为扩充后位移时序矩阵的行数和列数。并且当时，则令。找出峰值点相对应的维数。定义在熵值变化量曲线中的任意三个连续维数，如果中间维数对应的值大于两端维数对应的值，则称三个维数中间那个维数相对应的熵值变化量为峰值，中间那个维数也就称为峰值维。即先对上式中求得的熵值求取其变化量，再从中寻找峰值对应的峰值维，如式。其下标就是与峰值点相对应的峰值维数。根据这个维数可以重新构建相空间位移时序矩阵作为模型的训练集。如果峰值维只有个，则可以唯确定相空间重构维，否则需要根据多个峰值维以相同的方式分别建立位移时序预测子模型，并计算子模型的均方根误差，采用均方根误差式为误差指标，选取均方根误差最小的峰值维作为整。
2、及其变化量，并找出变量量中峰值对应维数峰值点对应维数构建子位移时间序列矩阵利用部分训练数据训练子模型找出最小误差对应的维数训练数据训练时间序列模型预测维数个数维数个数图基于相空间重构的滑坡位移时序预测流程图其具体步骤如下选取大部分训练样本序列，由于距离预测时间段越近的数据越有价值，为方便计算，根据重构相空间理论，逆向重构位移时序输入矩阵。滑坡的位移时序预测模型计算过程中，其时间延迟般取。然后根据熵值定维的参数估计方法，选取最合适的维数。将所有训练样本作为输入，根据选取维数建立训练矩阵并训练时间序列模型进行预测。自相关参数估计实现支持向量机时序预测模型的过程，需先估计选择输入属性窗口的大小。如果万方数据分类号密级公开硕士学位论文滑坡位移预测中的时序数据挖掘研究学位申请人王珊珊学科专业软件工程。
3、在中，滑坡位移的相空间重构参数主要是利用自相关方法进行估计。从单变量混沌时序的角度，在目前广泛应用的相空间重构方法中，孙彬彬通过实验验证了互信息量法解决相空间参数的有效性，江田汉等人采用微熵率求得相空间重构的最优参数，并用支持向量机建立了混沌时序模型。本章则基于相空间重构方法，从熵值信息变化的角度，提出了种熵值定维参数估计的方法，利用熵值理论结合误差反馈确定相空间重构的嵌入维数参数，并使用能捕捉非线性关系的支持向量机训练位移时序预测模型。改进的滑坡位移时序预测模型混沌现象在社会中是种广泛存在的不规则运动，通过混沌与应用技术的研究，非线性时间序列的分析逐渐成为个关注点。而解决分析混沌时间序列相关预测问题的方法能够建立的基础则就是相空间重构理论。本节主要介绍了熵值定维参数估计方法以及位移时序预。
4、序列的重构嵌入维数。式中，为预测数，为预测值，为实测值。模型的建立在滑坡位移的时序模型建立中，其位移值作为模型预测的目标，而位移样本数据则会预留小部分作为检验数据，其余数据则作为位移历史监测数据则成为训练模型的初始数据来源。同时，为满足模型输入数据的平稳性，还需要对观测数据进行对数万方数据三峡大学硕士学位论文差分及常态化等处理。采取对已知观测数据序列进行对数变换可以在定程度上减小不可观测的误差和预测变量的相关性而后对经过对数变换后的滑坡位移数据进行差分处理，消除其趋势以差分处理后的数据作为预测目标，并通过方法样本和均值的差同样本方差的比值进行常态化处理，使其处于零值附近波动成为平稳序列。滑坡的位移时序模型具体的流程图如下图。熵值定维相空间重构，得到位移时间序列矩阵求熵值。
5、该项集满足最小支持度则被认为是频繁项集，而包含项集的事务数则被认为是项集的频率。算法的步骤主要是找出候选项集，并根据候选项集的支持度确定是否抛弃该项，然后连接寻找具有个项的频繁项集，就这样连续迭代至再找不出任何频繁项集为止。在关联规则的发现过程中，通常用支持度与置信度去衡量事物之间的这种关联关系。支持度可以用于反映这些被发现规则的有用性，而置信度则反映了这些规则的确定性。其中，能够符合支持度与置信度的阈值最小值条件下的规则被称为强规则，也被认为是有用的规律。从概率论的角度，置信度描述了包含个项目的事务万方数据三峡大学硕士学位论文中同时出现另个项目的概率，是对规则准确度的个测量支持度描述了两个项目同时出现在个事务的概率，体现了规则关联的普遍性置信度同后项支持度进行相比被称为提升度，是前项事务。
6、滑坡监测数据进行了处理，定性分析了白家包滑坡的位移变形趋势以及包括降雨量长江水位地下水在内的环境影响因子与位移变形的关系。同时，以白家包的个位移监测点的数据和降雨量长江水位地下水的监测数据为例，利用均值聚类算法对搜集的数据进行聚类分析，完成了监测数据的离散与定性化描述。并通过对数据的等间隔处理，利用算法挖掘多因子与位移形变的关联规则，从而进步得出了环境因子与位移形变阶段的交叉分析表。由于影响因子的监测数据中含有较多的噪声，不能直接将多因子加入训练之中，因此在交叉分析表的基础上，提出根据环境因子响应以及权重公式计算因子响应权重的方法。最后基于因子响应权重将影响因子加入到多因子下的位移时序预测模型中进行预测。结果表明基于多因子响应时序预测模型进行位移预测的最小误差达到，平均预测误差，结果比较理。
7、空间重构的时序预测方法。传统时间序列分析法主要依据曾经已有的序列来预测未来的变化趋势，其思想基本是从时序数据提取出具有长期变动规律的趋势项和具有季节变动的周期项，并分别进行预测后再叠加。灰色理论与神经网络算法则常常与传统时间序列分析方法的思想结合使用，般用于时间序列分析方法中趋势项的提取及预测。并详细介绍了基于相空间重构的时序预测方法，该方法主要是利用相空间重构理论对位移时序重构后再利用支持向量机建立智能算法模型。接下来介绍了滑坡位移预测中的数据挖掘相关理论知识，包括均值聚类算法算法以及相关系数。万方数据三峡大学硕士学位论文滑坡位移时序预测模型改进及预测本章主要针对运用中位移重构过程的参数，提出了熵值定维参数估计方法。针对第二章中介绍的基于相空间重构的时序预测过程描述了改进的滑坡位移时序预。
8、其位移时间曲线的变化。而随着机器学习的发展，利用数据挖掘技术处理监测数据已成为滑坡预测研究的发展趋势之。本文首先针对滑坡时间序列位移，基于相空间重构与支持向量机理论的结合建立位移时序预测模型。应用，针对位移时序预测模型构建中的相空间重构实现参数提出了种熵值定维法，利用熵值理论求取熵值，通过熵值变化及位移预测误差反馈调整该时序相空间重构参数。对白家包滑坡监测位移的实验表明，利用基于熵值定维的预测方法预测连续位移数值的平均误差值明显小于基于自相关分析位移数值预测的平均误差值。通过对时序分析法支持向量机预测算法以及改进的位移时序预测模型预测结果进行了对比分析，实验结果发现改进的位移时序预测模型预测精度准确性更高。考虑到环境因子对位移的影响，本文介绍并分析了滑坡地质条件以及滑坡内外影响因素。对白家。
9、发生对影响后项事务是否发生或发生程度的体现，般认为大于的规则才有意义。相关系数相关系数般用于衡量变量间线性关系，简单来说就是评价数据集之间是否处于条直线上面。其数学表达式为相关系数通过值的大小来判断相关的强弱，没有方向性。其绝对值如果越小，也就表明两个变量间相关性关系也就越弱。即相关系数如果越靠近或，这就表示变量之间的相关度越强反之，则越弱。般情况下以上被认为是具有极强的相关性，而以上则被认为存在强的相关关系，以上被认为具有中等程度的相关性，以上被认为表示相关性很弱的，以下则可以认为无相关性或者相关性极其弱。本章小结本章首先简要地介绍了滑坡位移时序预测的些常用方法，包括传统的线性预测非线性预测以及其他技术。具体介绍了传统时间序列分析方法灰色理论方法神经网络方法以及基于。
10、测模型的建立。熵值定维参数估计方法在重构相空间中，其维数的选择直接会影响到支持向量回归机能否更好地拟合时序的变化趋势。维数的选择关系到时间演变因子与其他因子的相互作用问题，在重构状态空间时，合理地选择维数，将些固定时间的延迟点作为新维，能够有效地对时间序列扩维，充分展示时间序列的信息。在滑坡的位移时序相空间重构中，其延迟时间般取。而针对嵌入维数，本文根据熵值理论，提出种基于熵值理论的万方数据三峡大学硕士学位论文熵值定维的窗口大小确认方式。记逆序重构的相空间转置矩阵为时序重构矩阵，取为整数，则该矩阵包括所有的样本。为方便计算，首先对重构的位移时序矩阵按照原序列以自底向上的顺序进行扩充，并在空白位置填补零值。令表示扩充后位移时序矩阵中第行第列的位移记录值，则根据熵值理论的。
11、测模型，并通过自相关计算与熵值定维方法分别估计了相空间的重构维数。然后通过白家包监测数据分别利用这些不同维数构建模进行实例分析。最后，对比自相关参数估计方法下的构建模型预测值与熵值定维参数估计方法下的构建模型预测值表明，使用熵值定维参数估计方法可以在本实例中提高位移趋势的预测准确性。引言在传统的位移时序预测研究方法中，般是采用时间序列分析法直接从位移这个序列研究滑坡的时间演变。随着机器学习的发展，支持向量机神经网络等智能算法也开始应用到滑坡的研究中。滑坡是个受多种因素相互作用而产生的非线性动力系统，而位移不仅包含这种系统的非线性动力特征，而且根据相空间重构后还可以体现整个系统的运动特征。第二章中详细介绍了滑坡位移中基于相空间重构的时序预测模型，该模型的运用问题主要集中在相空间重构参数确定。。
12、导教师蒋廷耀教授二五年五月万方数据，万方数据三峡大学硕士学位论文三峡大学学位论文原创性声明本人郑重声明所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明，本人完全意识到本声明的法律后果由本人承担。学位论文作者签名日期万方数据三峡大学硕士学位论文内容摘要地质灾害直是人们极力想避免的，而滑坡则是地质灾害中发生频繁分布很广泛的常见灾害之。人们为了加深对滑坡形状以及运动形式的了解，采取了很多监测手段，并期望通过这些监测以掌握滑坡运动的规律，预先知道滑坡的变化。但由于滑坡数据难以捕捉，传统的分析方法大多选择单个滑坡通过实测位移时间序列分析。
参考资料：
1、该PPT不包含附件（如视频、讲稿)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
绘本故事;母鸡萝丝去散步（优） 编号18060