人民黄河

作者：周兰庭;徐长华;袁志美;卢韬

单位：（河海大学 水利水电学院，江苏 南京 210098）

关键词：大坝变形预测;集成经验模态分解;相空间重构;核极限学习机

为提高大坝变形预测精度，针对大坝变形监测序列的非线性、非平稳性等特点，提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)-相空间重构(PSR)-核极限学习机(KELM)的大坝变形预测模型。首先利用CEEMDAN算法将大坝变形监测序列分解成为若干不同频率的子序列，然后对各序列进行相空间重构，依据重构的各个子序列分别建立相应的KELM预测模型，最后对各子序列预测结果进行叠加求和得到最终预测结果。通过实例对比分析表明，该模型在大坝变形预测中预测精度较高，对于大坝变形安全监测具有一定的实用价值。

来源：2019年第6期

《人民黄河》期刊编辑部

查看人民黄河杂志2019年第6期