基于经验模态分解和支持向量机的大坝变形预测

• 作者: 任超 庞光锋 梁月吉 蓝岚
• 来源期刊: 水电能源科学
• 学科: 地球科学
• 关键词: 大坝变形 经验模态分解 支持向量机 精度评定
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 大坝安全监测
• 页码范围: 67-70
• 页数: 4页
• 分类号: TV698|P258
• 语种: 中文

摘要

为提高大坝变形预测精度,提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的大坝变形预测新算法(EMD-SVM).该算法先对大坝位移序列进行经验模态分解,有效分离出隐含在时序中的非线性高频波动成分和低频趋势成分;然后应用支持向量机对各分量进行建模预测;最后叠加各分量预测值得到预测结果.通过算例验证,并与BP神经网络、支持向量机对比分析表明,该算法具有较强的泛化能力和自适应拟合能力,能在一定程度上保证较优的局部预测值和较好的全局预测精度,在大坝变形预测中具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任超	桂林理工大学测绘地理信息学院	67	227	9.0	12.0
2	梁月吉	桂林理工大学测绘地理信息学院	34	93	5.0	8.0
3	庞光锋	桂林理工大学测绘地理信息学院	11	50	4.0	7.0
4	蓝岚	桂林理工大学测绘地理信息学院	9	19	2.0	4.0