基于集合经验模态分解和支持向量机的大坝变形预测方法

• 作者: 卢献健 晏红波 梁月吉
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 大坝变形预测 集合经验模态分解 支持向量机 精度评定
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 水工建筑
• 页码范围: 38-41,59
• 页数: 5页
• 分类号: TV698.11
• 字数: 3287字
• 语种: 中文

摘要

受水位、温度等诸多因素共同影响,大坝变形具有随机性和非线性特征,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的大坝变形预测算法.算法先对大坝位移序列进行集合经验模态分解,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;其次根据各分量特点构造不同的SVM进行预测,最后叠加各分量预测值得到预测结果.与BP神经网络模型及传统支持向量机的对比结果表明,所提预测算法具有较强的自适应预测能力,预测精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁月吉	桂林理工大学测绘地理信息学院	34	93	5.0	8.0
2	卢献健	桂林理工大学测绘地理信息学院	22	86	6.0	7.0
4	晏红波	桂林理工大学测绘地理信息学院	17	62	5.0	6.0