基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法.该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子;然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列;最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证.结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的 Pearson 相关系数法;基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的 BP 神经网络有所提升,其中均方根误差(RMSE)降低了 51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了 0.964.