基于柯西扰动麻雀优化的稀疏LSTM滑坡动态预测方法

摘要

本发明属于滑坡预测技术领域，公开一种基于柯西扰动麻雀优化的稀疏LSTM滑坡预测方法。针对浅层滑坡易受降雨、库水位及自然环境等外部“小样本”因素影响，建立表示稀疏的LSTM模型，抽取致灾因素本质数据特征，降低弱滑坡致灾影响因素选择空间。其次，针对稀疏LSTM训练层级过深和计算复杂度高，设计SSA模型对LSTM中隐层神经单元数、学习率、批处理数、迭代次数四个超参数寻优；同时设计柯西扰动策略开发全局最优解区域，实现基于表示稀疏的LSTM网络结构紧致性优化，提升滑坡位移预测精度。本发明融合了小样本滑坡数据的稀疏表示能力、LSTM动态预测优势、CSSA算法对网络结构的紧致性优化，有效解决滑坡预测中小样本数据预测能力弱与计算复杂代价高昂问题。