基于动态权重融合与多模态分解的库岸滑坡位移预测方法

本申请公开了一种基于动态权重融合与多模态分解的库岸滑坡位移预测方法，包括S1数据采集及预处理；S2最佳输入特征优选：基于位移演化机理构建多源异构特征集，利用MIC和RF算法筛选最佳输入特征；S3多因素多尺度分解重构：采用MEMD算法将滑坡累积位移重构为趋势项、周期项和随机项，并分解最佳输入特征为高频和低频分量；S4趋势项位移预测建模：利用双指数平滑算法DES实现趋势项位移预测；S5周期项、随机项并行预测：构建LSSVM、XGBoost、GRU多并行预测模型，实现周期项和随机项位移预测；S6多模型动态赋权融合；S7累积位移预测。本申请通过多模态分解揭示位移演化规律，结合动态融合机制有效提升模型精度与泛化能力，改善了传统单模型预测稳定性不足的问题。