基于EMD-PSO-ELM算法的大坝变形预测研究

• 作者: 张鹏飞 徐肖遥 蒋剑
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 经验模态分解 粒子群优化算法 极限学习机 大坝变形 预测模型
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP306
• 语种: 中文
• DOI: 10.11907/rjdk.201043

摘要

基于极限学习机(ELM)构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于EMD-PSO-ELM算法,考虑时效、温度、水位等多因素的大坝变形预测模型.该模型首先从时频分析出发,利用经验模态分解(EMD)将变形时间序列分解成具有不同频率特征的分量;然后利用PSO-ELM模型解求形变预测值,重构获得大坝形变趋势.实验结果表明,融合时效、温度、水位等多因素的EMD-PSO-ELM大坝变形预测模型残差均方根误差为1.83mm,平均绝对误差为1.57mm,平均绝对百分比误差为1.79％,比ELM模型与EMD-ELM模型相关误差值更小,在大坝变形预测方面性能更优.

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		23	110	5.0	10.0
2	徐肖遥		3	2	1.0	1.0
3	蒋剑		1	0	0.0	0.0