本文關鍵詞：大壩變形多尺度分析ELMD-LSSVM預測模型

  更多相關文章： 總體局部均值分解ELMD 最小二乘支持向量機LSSVM 多尺度 變形分析

【摘要】：針對局部均值分解LMD實現(xiàn)過程中存在的模式混淆現(xiàn)象,利用局部均值分解的原理,提出一種結合總體局部均值分解(ELMD)與最小二乘支持向量機(LSSVM)方法的多尺度大壩變形預測模型.利用ELMD方法對大壩變形序列進行分解,得到其PF分量,利用最小二乘支持向量機進行外推預測,再把各PF分量的預測結果進行疊加重構,得到大壩變形預測值.通過實例驗證分析,比較多元回歸分析、LSSVM和ELMD-LSSVM三種模型在大壩變形監(jiān)測數(shù)據(jù)處理中的擬合和預測結果.研究結果表明:ELMD-LSSVM方法能夠減弱模態(tài)混疊現(xiàn)象的影響,充分發(fā)掘數(shù)據(jù)本身所蘊含的物理機制和物理規(guī)律,為大壩變形多尺度預測分析奠定較好的基礎.
【作者單位】： 東華理工大學測繪工程學院;流域生態(tài)與地理環(huán)境監(jiān)測國家測繪地理信息局重點實驗室;香港理工大學土地測量與地理資訊系;南昌航空大學;
【關鍵詞】： 總體局部均值分解ELMD 最小二乘支持向量機LSSVM 多尺度 變形分析
【基金】：國家自然科學基金項目(41374007) 江西省自然科學基金項目(20151BAB213031) 測繪地理信息江西省研究生創(chuàng)新教育基地項目(2310700008)
【分類號】：TV698.11
【正文快照】： 0引言隨著危害嚴重的自然災害發(fā)生頻繁,災害的監(jiān)測和防治已經(jīng)越來越受到全社會的普遍關注.大壩在施工或運營過程中受地質、氣候、施工方案等各種條件的影響,總會發(fā)生不同程度的變形,因此及時掌握并準確預測大壩變形狀態(tài),對大壩安全具有重要的意義[1].目前常用的預測方法主要有，

本文編號：1097783