论文摘要
利用长期观测数据结合预测模型对大坝的形变趋势进行估计评价是大坝结构安全监测的必要内容。本文综合利用EMD和RBF神经网络,研究大坝变形时间序列中非线性周期信号变化的内在规律,使用西龙池L022号站4000期数据作为训练样本,对后续80期数据进行预测,并通过对预测结果与实测变形差值的统计分析评价本文方法的预测水平。结果表明,N、E、U 3个方向的RMSE分别为0.878 6、0.360 4和2.235 mm。与BP进行对比,RBF预测效果更好,受数据精度影响较小,MAE、RMSE较BP分别最高可提高63%、57%,且本文方法计算效率高,泛化能力强。
论文目录
文章来源
类型: 期刊论文
作者: 刘思敏,徐景田,鞠博晓
关键词: 自动化监测系统,经验模态分解,神经网络,大坝形变预测
来源: 测绘通报 2019年08期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 水利水电工程,电信技术,自动化技术
单位: 中国地质大学(武汉)信息工程学院,武汉大学测绘学院
基金: 国家自然科学基金(41874009)
分类号: TV698.11;TP183;TN967.1
DOI: 10.13474/j.cnki.11-2246.2019.0258
页码: 88-91+95
总页数: 5
文件大小: 1692K
下载量: 275