基于EMD-NAR神经网络的大坝变形预测

• 作者: 杨诚 王维钰
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 大坝变形 经验模态分解(EMD) 非线性自回归(NAR) 神经网络 时间序列
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 自然资源调查监测
• 页码范围: 386-390
• 页数: 5页
• 分类号: P258
• 字数: 1817字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2020.03.023

摘要

为了使大坝变形的预测精度更高,针对大坝形变量的时间序列中存在着非平稳和非线性等曲线特性,使用一种经验模态分解(EMD)和非线性自回归动态神经网络(NAR)相结合的EMD-NAR模型对大坝形变时间序列进行预测.以某大坝实测的时间序列数据为算例,分别使用BP模型、NAR模型和EMD-NAR模型进行实验对比,结果表明,BP、NAR、EMD-NAR模型预测的均方根误差(RMSE)分别为0.9449,0.6993,0.4678;模型预测的平均相对误差(MRE)分别为0.1492,0.1065和0.0688,从三种模型预测结果对比可知,组合的EMD-NAR模型预测精度最高且稳定性最好,为时间序列的大坝形变预测提供一种新的参考思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨诚		4	6	2.0	2.0
2	王维钰		1	0	0.0	0.0