基于EEMD的BP神经网络边坡预测研究

• 作者: 任超 晏红波 杨庆 毕旋旋
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 边坡 变形 预测 EEMD-BP模型
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 地质与勘测
• 页码范围: 37-40
• 页数: 4页
• 分类号: TU457
• 字数: 2612字
• 语种: 中文

摘要

针对边坡变形中非平稳和非线性的数据处理问题,提出一种基于集合经验模态分解(EEMD)和BP神经网络相结合的边坡变形预测新算法(EEMD-BP).该算法先对边坡变形序列进行EEMD分解,有效分离出隐含在时序中具有不同尺度特征的子序列,进而对各子序列建立BP神经网络预测模型,最后叠加各子序列预测值得到边坡变形最终预测结果.与GM(1,1)和BP神经网络模型对比分析表明,该算法预测精度较高,在边坡变形波动剧烈时段,也能保证较优的局部预测值和较好的全局预测精度.

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
5	毕旋旋	桂林理工大学测绘地理信息学院	3	2	1.0	1.0
7	晏红波	桂林理工大学测绘地理信息学院	17	62	5.0	6.0
9	杨庆	桂林理工大学测绘地理信息学院	5	7	2.0	2.0