基于EMD-PSO-ELM算法的大坝变形预测研究

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：《软件导刊》 (Software Guide)

年 卷 期：2020年第19卷第9期

页      码：1-5页

摘      要：基于极限学习机(ELM)构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于EMD-PSO-ELM算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解(EMD)将变形时间序列分解成具有不同频率特征的分量;然后利用PSO-ELM模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的EMD-PSO-ELM大坝变形预测模型残差均方根误差为1.83mm,平均绝对误差为1.57mm,平均绝对百分比误差为1.79%,比ELM模型与EMD-ELM模型相关误差值更小,在大坝变形预测方面性能更优。

主 题 词：经验模态分解 粒子群优化算法 极限学习机 大坝变形 预测模型 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.11907/rjdk.201043

馆 藏 号：203978904...