人民黄河

作者：程小龙;张斌;刘相杰;刘陶胜

单位：江西理工大学 土木与测绘工程学院，江西 赣州 341000

关键词：自适应噪声完备集成经验模态分解;数据处理群集法;差分自回归移动平均模型算法;大坝;变形预测;江西上犹江水电站

为提高大坝变形预测精度，针对大坝变形数据的复杂性和非线性等特征，基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量，再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测，建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例，将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明：CEEMDAN-GMDH-ARIMA模型的均方根误差(ERMS)、平均绝对误差(EMA)、相关系数(r)分别为0.048 mm、0.035 mm、0.994，均优于BP、RBF、GMDH、CEEMDAN-GMDH模型，模型预测效果最好，能够很好地体现监测点水平位移变化趋势。

来源：2024年第1期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第1期