基于EMD-GAELM-ARIMA算法的大坝变形预测

• 作者: 张鹏飞 徐肖遥 蒋剑
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 大坝变形预测模型 经验模态分解 遗传算法 极限学习机 ARIMA
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP183
• 字数: 3814字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.07.001

摘要

针对统计学模型难以很好地对非线性、非平稳的大坝变形做出预测的情况,引入人工智能算法,融合经验模态分解法(EMD)、遗传算法(GA)优化的极限学习机(ELM)和ARIMA误差修正模型,构建大坝变形预测模型.首先利用EMD进行监测数据的分解和重构,使其平稳化并得到有物理意义的本征模函数和残差序列;再用GAELM对分解结果进行分析预测;最后用ARIMA模型对预测结果的残差进行误差修正.以一混凝土堆石坝为例,利用优化算法构建的大坝变形预测模型对其进行分析预测,分析结果表明,相较于传统单一算法,EMD-GAELM-ARIMA模型算法预测精度更高,在大坝变形预测中具有可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鹏飞	贵州大学矿业学院	23	110	5.0	10.0
2	徐肖遥	贵州大学矿业学院	3	2	1.0	1.0
3	蒋剑		2	0	0.0	0.0