期刊专题

10.3969/j.issn.0559-9342.2016.02.010

基于集合经验模态分解和支持向量机的大坝变形预测方法

引用
受水位、温度等诸多因素共同影响,大坝变形具有随机性和非线性特征,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的大坝变形预测算法.算法先对大坝位移序列进行集合经验模态分解,有效分离出隐含在时序中的非线性高频波动成分和低频趋势成分;其次根据各分量特点构造不同的SVM进行预测,最后叠加各分量预测值得到预测结果.与BP神经网络模型及传统支持向量机的对比结果表明,所提预测算法具有较强的自适应预测能力,预测精度较高.

大坝变形预测、集合经验模态分解、支持向量机、精度评定

42

TV698.11(水利枢纽、水工建筑物)

国家自然科学基金资助项目41161072;广西空间信息与测绘重点实验室基金项目13-051-14-09、13-051-14-15

2016-05-20(万方平台首次上网日期,不代表论文的发表时间)

共5页

38-41,59

暂无封面信息
查看本期封面目录

水力发电

0559-9342

11-1845/TV

42

2016,42(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn