换一批基于EEMD与SE的IPSO-LSSVM模型在坝肩边坡变形预测中的应用
A Prediction Method for Abutment Slope Deformation Based on IPSO-LSSVM Model Integrating Ensemble Empirical Mode Decomposition and Sample Entropy
摘要坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测.基于聚类模态分解( EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机( IPSO-LSSVM)方法,提出一种名为EEMD-SE-IPSO-LSSVM的坝肩边坡变形预测模型.首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO-LSSVM预测模型;最后,将各预测分量进行叠加重构,得到最终的大坝变形预测值.以澜沧江苗尾水电站左岸坝肩边坡为例,将BPNN、RBFNN、LSSVM、EEMD-SE-LSSVM与EEMD-SE-PSO-LSSVM进行对比研究.结果表明,该模型的计算精度优于其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的坝肩边坡变形预测方法,能够为大坝安全监测提供有价值的参考.
更多相关知识
关键词
坝肩边坡变形预测聚类经验模态分解样本熵改进型粒子群算法最小二乘支持向量机abutment slopedeformation predictionensemble empirical mode decomposition ( EEMD)sample entropy ( SE)improved particle swarm optimization ( IPSO)LSSVM
分类号
P642.22
栏目名称
DOI
10.11988/ckyyb.20180545
发布时间
2020-01-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（41521002）
高等学校博士学科点专项科研基金（20135122130002）
- 浏览1
- 被引13
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
