基于CEEMDAN-PSR-KELM的大坝变形预测

论文摘要

为提高大坝变形预测精度,针对大坝变形监测序列的非线性、非平稳性等特点,提出一种基于具有自适应噪声的完整集成经验模态分解（CEEMDAN）-相空间重构（PSR）-核极限学习机（KELM）的大坝变形预测模型。首先利用CEEMDAN算法将大坝变形监测序列分解成为若干不同频率的子序列,然后对各序列进行相空间重构,依据重构的各个子序列分别建立相应的KELM预测模型,最后对各子序列预测结果进行叠加求和得到最终预测结果。通过实例对比分析表明,该模型在大坝变形预测中预测精度较高,对于大坝变形安全监测具有一定的实用价值。

论文目录

• 1 CEEMDAN-PSR-KELM预测模型
•   1.1 CEEMDAN分解原理
•   1.2 相空间重构理论
•   1.3 核极限学习机
•   1.4 基于CEEMDAN-PSR-KELM的大坝变形预测方法
• 2 算例分析
• 3 结 语

文章来源

类型: 期刊论文

作者: 周兰庭,徐长华,袁志美,卢韬

关键词: 大坝变形预测,集成经验模态分解,相空间重构,核极限学习机

来源: 人民黄河 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 水利水电工程

单位: 河海大学水利水电学院

基金: 国家自然科学基金资助项目(51209078)

分类号: TV698.11

页码: 138-141+145

总页数: 5

文件大小: 1043K

下载量: 208