基于EEMD-GA-BP模型的大坝变形监测数据预测

• 作者: 刘海锋 卢献健 周斌 晏红波
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 大坝变形 预测模型 集合经验模态分解 BP神经网络 遗传优化算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 工程安全与灾害防治
• 页码范围: 58-63
• 页数: 6页
• 分类号: TV698.11
• 字数: 4160字
• 语种: 中文
• DOI: 10.11988/ckyyb.20180160

摘要

针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法.采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型.利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果.算例表明,本文提出的组合模型能有效地提高大坝变形预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢献健	桂林理工大学测绘地理信息学院	22	86	6.0	7.0
3	刘海锋	桂林理工大学测绘地理信息学院	5	17	2.0	4.0
4	晏红波	桂林理工大学测绘地理信息学院	17	62	5.0	6.0
10	周斌	桂林理工大学测绘地理信息学院	2	6	1.0	2.0