基于CEEMDAN-NAR-ARIMA组合模型的桥梁结构健康监测应变预测

摘要：

提出了一种基于CEEMDAN-NAR-ARIMA的组合模型用以预测桥梁结构健康监测(structural health monitoring,SHM)应变数据.针对经典时间序列理论对模态混叠的数据无法有效预测的问题,采用了带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法对桥梁SHM应变监测数据进行了分解,并使用排列熵(permutation entropy,PE)方法将分解得到的大量分量按照随机程度进行分类重组形成数个新数据序列,最后结合非线性自回归(nonlinear auto regressive,NAR)动态神经网络和求和自回归移动平均(autoregressive integrated moving average,ARIMA)模型分别对每个新数据序列进行预测并叠加得到了最终的预测值.将该方法用于上海市某座斜拉桥的SHM应变数据预测,结果表明,该方法相比于经典时间序列理论提高了预测的准确性,具有良好的工程应用价值.

关键词：结构健康监测、时间序列分析、CEEMDAN、应变预测

所属期刊栏目：20

分类号：U446(桥涵工程)

在线出版日期：2020-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1639-1644