基于EMD-PSO-BP网络模型的大坝变形预测

• 作者: 刘立龙 秦旭元 谢劭峰 陈军 陈发德 黄良珂
• 来源期刊: 桂林理工大学学报
• 学科: 地球科学
• 关键词: 变形预测 EMD PSO BP神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 土木工程与测绘科学
• 页码范围: 641-646
• 页数: 6页
• 分类号: P207
• 字数: 3295字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2017.04.014

摘要

针对大坝变形具有非平稳性、非线性等特点,将经验模态分解(EMD)和粒子群算法(PSO)引入到BP神经网络中,建立EMD-PSO-BP模型.该模型采用EMD将复杂的大坝变形数据分解成有限个相对平稳的分量,并利用粒子群算法优化BP神经网络对各分量分别建模预测,叠加重构各分量预测值作为最终预测结果.实验结果表明,EMD-PSO-BP模型具有较好的非线性映射能力、学习能力和自适应能力,能有效地提高变形预测精度,其预测精度明显优于BP神经网络模型,较PSO-BP模型也有所提高.