局部均值分解与支持向量回归的大坝变形预测

发布时间：2017-12-28 13:34

本文关键词：局部均值分解与支持向量回归的大坝变形预测　出处：《测绘科学》2016年10期 　论文类型：期刊论文

【摘要】：针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。
[Abstract]:Aiming at the problem that the existing deformation prediction methods are not ideal for the prediction of dam deformation, the local mean decomposition method is applied to obtain the production function components and support vector regression modeling, and the method is used for multi-scale analysis of dam deformation. The local mean decomposition is used to decompose the dam deformation sequence and get its product function components. Then, SVM regression is applied to extrapolate prediction, and then the prediction results of each product function component are superimposed and reconstructed, and then the dam deformation prediction value is obtained. Through case analysis, comparison of GM (1,1), support vector machine and the method of fitting and forecasting results in data processing of deformation monitoring of the 3 models show that this method is to fully explore the physics mechanism and the regularity of the data itself contains the improved multi scale dam deformation prediction accuracy.
【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;南昌航空大学;
【基金】：国家自然科学基金项目(41374007) 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引言受地质、气候、施工方案等各种条件的影响,大坝在施工或运营过程中总会发生不同程度的变形;及时掌握并准确预测大坝变形状态,对大坝安全具有重要意义。目前常用的预测方法主要有时间序列模型、灰色理论和神经网络[1]等。但由于大坝变形具有较强的非平稳性和非线性,这些方

【参考文献】