首页|基于EMD-GAELM-ARIMA算法的大坝变形预测

基于EMD-GAELM-ARIMA算法的大坝变形预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Dam Deformation Prediction Based on EMD-GAELM-ARIMA Algorithm

徐肖遥、张鹏飞、蒋剑

展开 >

贵州大学矿业学院,贵州 贵阳 550025

中国电建贵阳勘测设计研究院工程科研院,贵州 贵阳 550081

大坝变形预测模型 经验模态分解 遗传算法 极限学习机 ARIMA

国家自然科学基金资助项目贵州省科技厅联合资助项目贵州省科学技术基础研究计划项目

41701464黔科合LH字[2014]7646黔科合基础[2017]1054

2020

计算机与现代化
江西省计算机学会 江西省计算技术研究所

计算机与现代化

CSTPCD
影响因子：0.472
ISSN：1006-2475
年,卷(期)：2020.(7)
  • 5
  • 19