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
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