12、基于GRU网络的滑坡位移预测研究

基于GRU网络的滑坡位移预测研究

1. 数据处理

在滑坡位移预测中，数据处理是关键的第一步。对于监测点YY0210的172个数据点组成的数据集，通常按照7:3的常用比例将其划分为训练数据集和测试数据集。具体来说，2005年9月至2015年8月的监测数据作为训练数据集，而2015年9月至2019年12月的剩余数据则用作测试数据集。

由于机器学习模型对数据范围较为敏感，因此需要将训练数据集和测试数据集中的原始数据归一化到所需范围。归一化公式为：
[x^* = \frac{x - x_{min}}{x_{max} - x_{min}}]
其中，(x)是原始值，(x_{min})和(x_{max})分别是最小值和最大值。

2. 性能评估指标

为了评估所建立的机器学习模型的预测性能，采用了四个统计指标，分别是决定系数（(R^2)）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）和偏差因子（(b)）。它们的数学表达式如下：
- 决定系数（(R^2)） ：
[R^2 = 1 - \frac{\sum_{i = 1}^{N}(y_i - \hat{y} i)^2}{\sum {i = 1}^{N}(y_i - \bar{y})^2}]
- 均方根误差（RMSE） ：
[RMSE = \sqrt{\frac{1}{N}\sum_{i = 1}^{N}(y_i - \hat{y} i)^2}]
- 平均绝对百分比误差（MAPE） ：
[MAPE