基于CEEMDAN-PSR-KELM的大坝变形预测

• 作者: 卢韬 周兰庭 徐长华 袁志美
• 来源期刊: 人民黄河
• 学科: 工学
• 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
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 工程建设管理
• 页码范围: 138-141,145
• 页数: 5页
• 分类号: TV698.1+1
• 字数: 3852字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2019.06.032

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周兰庭	河海大学水利水电学院	24	51	3.0	7.0
2	袁志美	河海大学水利水电学院	5	10	2.0	3.0
3	徐长华	河海大学水利水电学院	3	2	1.0	1.0
4	卢韬	河海大学水利水电学院	1	2	1.0	1.0