基于EEMD-PCA-ARIMA模型的大坝变形预测

• 作者: 段青达 王雷 甘若 郑旭东 陈天伟
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 大坝变形 变形预测 集合经验模态分解 主成分分析 自回归移动平均模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 工程安全与灾害防治
• 页码范围: 57-63
• 页数: 7页
• 分类号: TV698.1
• 字数: 5510字
• 语种: 中文
• DOI: 10.11988/ckyyb.20181146

摘要

针对大坝观测数据中存在的噪声容易掩盖实际变形曲线走势的问题,提出一种基于集合经验模态分解(EEMD)、主成分分析(PCA)和自回归移动平均模型(ARIMA)的大坝变形预测方法.通过对观测数据进行EEMD和PCA,从而构建映射矩阵,然后利用映射矩阵对原始数据构建的样本矩阵进行转换,实现消噪效果,进而对处理后的观测数据进行ARIMA建模预测,据此构建EEMD-PCA-ARIMA模型.依据所提出的模型对实际大坝坝顶水平位移观测数据进行预测分析,并与实测数据和经直接去掉高频分量消噪后的ARIMA预测模型、ARIMA预测模型、BP神经网络模型预测模型进行对比分析.结果表明:此方法能够更好地获取大坝的实际变形曲线,对于大坝变形预测而言是一种有效的方法.