期刊文献+

基于EEMD-GA-BP模型的大坝变形监测数据预测 被引量:10

Prediction of Dam Deformation Monitoring Data Based on EEMD-GA-BP Model
下载PDF
导出
摘要 针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法。采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型。利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果。算例表明,本文提出的组合模型能有效地提高大坝变形预测精度。 A prediction model of dam deformation monitoring data integrating Ensemble Empirical Mode Decomposition(EEMD),Genetic Algorithm(GA)and Back Propagation(BP)neural network is built to tackle the unstable performance and the drift of measured value of automatic monitoring data of dam deformation.The EEMD is used to extract the low-frequency signals which reflect the true deformation of dam and to remove the noise and outliers in the data of the automatic monitoring system;the GA-optimized BP neural network is employed to learn and extrapolate the real signals.The model-predicted deformation values are compared with measured values and also predicted values of some other methods in terms of residual error.Case study demonstrates that the proposed model could improve the prediction accuracy of dam deformation effectively.
作者 晏红波 周斌 卢献健 刘海锋 YAN Hong-bo;ZHOU Bin;LU Xian-jian;LIU Hai-feng(College of Geomatics and Geoinformation,Guilin University of Technology,Guilin 541004,China;Guangxi Key Laboratory of Spatial Information and Geomatics,Guilin 541004,China)
出处 《长江科学院院报》 CSCD 北大核心 2019年第9期58-63,共6页 Journal of Changjiang River Scientific Research Institute
基金 国家自然科学基金项目(41461089) 广西“八桂学者”岗位专项 广西空间信息与测绘重点实验室基金项目(163802516)
关键词 大坝变形 预测模型 集合经验模态分解 BP神经网络 遗传优化算法 dam deformation prediction model EEMD BP neural network genetic algorithm
  • 相关文献

参考文献8

二级参考文献64

共引文献161

同被引文献117

引证文献10

二级引证文献57

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部