基于EEMD与SE的IPSO-LSSVM模型在坝肩边坡变形预测中的应用

• 作者: 剪鑫磊 巨能攀 李桥 王昌明 赖若帆 黄健
• 来源期刊: 长江科学院院报
• 学科: 地球科学
• 关键词: 坝肩边坡 变形预测 聚类经验模态分解 样本熵 改进型粒子群算法 最小二乘支持向量机
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 工程安全与灾害防治
• 页码范围: 47-53
• 页数: 7页
• 分类号: P642.22
• 字数: 4749字
• 语种: 中文
• DOI: 10.11988/ckyyb.20180545

摘要

坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测.基于聚类模态分解( EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机( IPSO-LSSVM)方法,提出一种名为EEMD-SE-IPSO-LSSVM的坝肩边坡变形预测模型.首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO-LSSVM预测模型;最后,将各预测分量进行叠加重构,得到最终的大坝变形预测值.以澜沧江苗尾水电站左岸坝肩边坡为例,将BPNN、RBFNN、LSSVM、EEMD-SE-LSSVM与EEMD-SE-PSO-LSSVM进行对比研究.结果表明,该模型的计算精度优于其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的坝肩边坡变形预测方法,能够为大坝安全监测提供有价值的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巨能攀	成都理工大学地质灾害防治与地质环境保护国家重点实验室	136	1749	21.0	36.0
2	黄健	成都理工大学地质灾害防治与地质环境保护国家重点实验室	35	132	6.0	10.0
3	李桥	成都理工大学地质灾害防治与地质环境保护国家重点实验室	5	4	1.0	2.0
4	王昌明	成都理工大学地质灾害防治与地质环境保护国家重点实验室	4	3	1.0	1.0
5	赖若帆	成都理工大学地质灾害防治与地质环境保护国家重点实验室	4	2	1.0	1.0