基于EMD-GAELM-ARIMA算法的大坝变形预测

作     者：徐肖遥 张鹏飞 蒋剑 XU Xiao-yao;ZHANG Peng-fei;JIANG Jian

作者机构：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 

基　　金：国家自然科学基金资助项目(41701464) 贵州省科技厅联合资助项目(黔科合LH字7646) 贵州省科学技术基础研究计划项目(黔科合基础1054) 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2020年第7期

页      码：1-5页

摘      要：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。

主 题 词：大坝变形预测模型 经验模态分解 遗传算法 极限学习机 ARIMA 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-2475.2020.07.001

馆 藏 号：203954480...