大坝变形多尺度分析ELMD-LSSVM预测模型

发布时间：2017-10-26 08:11

  本文关键词：大坝变形多尺度分析ELMD-LSSVM预测模型

  更多相关文章： 总体局部均值分解ELMD 最小二乘支持向量机LSSVM 多尺度 变形分析

【摘要】：针对局部均值分解LMD实现过程中存在的模式混淆现象,利用局部均值分解的原理,提出一种结合总体局部均值分解(ELMD)与最小二乘支持向量机(LSSVM)方法的多尺度大坝变形预测模型.利用ELMD方法对大坝变形序列进行分解,得到其PF分量,利用最小二乘支持向量机进行外推预测,再把各PF分量的预测结果进行叠加重构,得到大坝变形预测值.通过实例验证分析,比较多元回归分析、LSSVM和ELMD-LSSVM三种模型在大坝变形监测数据处理中的拟合和预测结果.研究结果表明:ELMD-LSSVM方法能够减弱模态混叠现象的影响,充分发掘数据本身所蕴含的物理机制和物理规律,为大坝变形多尺度预测分析奠定较好的基础.
【作者单位】： 东华理工大学测绘工程学院;流域生态与地理环境监测国家测绘地理信息局重点实验室;香港理工大学土地测量与地理资讯系;南昌航空大学;
【关键词】： 总体局部均值分解ELMD 最小二乘支持向量机LSSVM 多尺度 变形分析
【基金】：国家自然科学基金项目(41374007) 江西省自然科学基金项目(20151BAB213031) 测绘地理信息江西省研究生创新教育基地项目(2310700008)
【分类号】：TV698.11
【正文快照】： 0引言随着危害严重的自然灾害发生频繁,灾害的监测和防治已经越来越受到全社会的普遍关注.大坝在施工或运营过程中受地质、气候、施工方案等各种条件的影响,总会发生不同程度的变形,因此及时掌握并准确预测大坝变形状态,对大坝安全具有重要的意义[1].目前常用的预测方法主要有，

本文编号：1097783