(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110311836.3 (22)申请日 2021.03.24 (65)同一申请的已公布的文献号 申请公布号 CN 113111573 A (43)申请公布日 2021.07.13 (73)专利权人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 孙希延　林子安　何清　白杨　 付文涛　梁维彬　 (74)专利代理 机构 桂林文必达专利代理事务所 (特殊普通 合伙) 45134 专利代理师 张学平 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G01B 21/02(2006.01) G01B 21/32(2006.01) (56)对比文件 CN 10746 3633 A,2017.12.12 CN 107193782 A,2017.09.2 2 CN 110457655 A,2019.1 1.15 CN 111444168 A,2020.07.24 CN 110119845 A,2019.08.13 CN 112150209 A,2020.12.2 9 US 2019325 328 A1,2019.10.24 刘振 等.稳健回归分析在GP S高程拟合中的 应用. 《矿山测量》 .2021,第49卷(第1期),第79- 83页. 方海泉 等.基 于EEMD的水资源监测数据异 常值检测与校正. 《农业机 械学报》 .2017,第48卷 (第9期),第257-26 3页. 审查员 游群霞 (54)发明名称 基于GRU的滑坡位移预测方法 (57)摘要 本发明公开了一种基于GRU的滑坡位移预测 方法， 对滑坡地表位移变形进行监测， 并利用构 造的多项式模型计算出得到的滑坡位移数据中 异常值的替换值； 对利用所述替换值替换后的所 有所述滑坡位移数据进行均值归一化处理， 并构 建GRU模型和训练集、 验证集、 测试集； 利用所述 训练集对所述GRU模型进行循环迭代， 并利用所 述验证集对训练后的所述GRU模型进行参数调 整； 利用所述测试集对调整参数后的所述GRU模 型进行测试， 并对得到的模型预测结果进行反均 值归一化处理， 完成滑坡位移预测， 提高预测精 度。 权利要求书2页 说明书5页 附图5页 CN 113111573 B 2022.09.23 CN 113111573 B 1.一种基于GRU的滑坡位移预测方法， 其特 征在于， 包括以下步骤： 对滑坡地表位移变形进行监测， 并利用构造的多项式模型计算出得到的滑坡位移数据 中异常值的替换值； 对利用所述替换值替换后的所有所述滑坡位移数据进行均值归一化处理， 并构建GRU 模型和训练集、 验证集、 测试集； 利用所述训练集对所述GRU模型进行循环迭代， 并利用所述验证集对训练后的所述GRU 模型进行参数调整； 利用所述测试集对调整参数后的所述GRU模型进行测试， 并对得到的模型预测结果进 行反均值归一 化处理， 完成滑坡位移预测； 对滑坡地表位移变形进行监测， 并利用构造的多项式模型计算出得到的滑坡位移数据 中异常值的替换值， 包括： 对滑坡地表位移变形进行监测， 得到多个滑坡位移数据， 多个所述滑坡位移数据包括 多个正常值和多个异常值； 将除所述异常值外的多个所述正常值序号作为自变量， 多个所述正常值作为因变量构 造多项式模型， 将  所述异常值序号输入所述多项式模型中， 得到的所述多项式模型的输出 值即为所述异常值的替换值。 2.如权利要求1所述的基于GRU的滑坡位移预测方法， 其特征在于， 利用所述训练集对 所述GRU模型进行循环迭代， 并利用所述验证集对训练后的所述GRU模型进行参数调整， 包 括： 利用所述训练集中的所述滑坡位移数据计算所述GRU模型中的更新门、 重置门、 隐状态 和当前候选状态数值； 计算所述滑坡位移数据与对应的所述 隐状态的差值， 并对所有的差值求和， 得到对应 的误差项； 基于所述误差项调整对应的权重数值， 直至达到迭代终止条件后， 完成所述GRU模型的 训练； 利用所述验证集对训练后的所述GRU模型进行验证， 并调整模型学习率以及对应的模 型节点个数。 3.如权利要求2所述的基于GRU的滑坡位移预测方法， 其特征在于， 基于所述误差项调 整对应的权 重数值， 直至 达到迭代终止条件后， 完成所述GRU  模型的训练， 包括： 利用所述误差项分别对重置门权重、 更新门权重和候选状态权重求导， 得到对应的导 数； 利用所述重置门权重、 所述更新门权重和所述候选状态权重减去对应的所述导数与模 型学习率的乘积， 得到新的所述重 置门权重、 所述更新门权 重和所述 候选状态权 重； 直至当前迭代次数达到设定的迭代阈值或所述误差项的和小于设定值， 则 完成对所述 GRU模型的训练。 4.如权利要求1所述的基于GRU的滑坡位移预测方法， 其特征在于， 利用所述测试集对 调整参数后的所述GRU模 型进行测试， 并对得到的模型预测结果进 行反均值归一化处理， 完 成滑坡位移预测， 包括： 将所述测试集输入调整参数后的所述GRU模型中， 得到对应的模型 预测结果；权　利　要　求　书 1/2 页 2 CN 113111573 B 2对所述模型 预测结果进行反均值归一 化处理， 得到终测数据， 完成滑坡位移预测。权　利　要　求　书 2/2 页 3 CN 113111573 B 3