本文關(guān)鍵詞：局部均值分解與支持向量回歸的大壩變形預(yù)測　出處：《測繪科學(xué)》2016年10期 　論文類型：期刊論文

  更多相關(guān)文章： 局部均值分解LMD 支持向量回歸SVR GM( ) 支持向量機(jī)SVM 變形預(yù)測

【摘要】：針對現(xiàn)有變形預(yù)測方法對于大壩變形的預(yù)測效果不理想的問題,該文利用局部均值分解方法獲取生產(chǎn)函數(shù)分量并進(jìn)行支持向量回歸建模,用此方法對大壩變形進(jìn)行多尺度分析。通過局部均值分解對大壩變形序列進(jìn)行分解得到其乘積函數(shù)分量,然后利用支持向量機(jī)回歸進(jìn)行外推預(yù)測,再把各乘積函數(shù)分量的預(yù)測結(jié)果進(jìn)行疊加重構(gòu)生成,進(jìn)而獲得大壩變形預(yù)測值。通過實(shí)例分析,比較GM(1,1)、支持向量機(jī)和該文方法3種模型在變形監(jiān)測數(shù)據(jù)處理中的擬合和預(yù)測結(jié)果,表明該文方法充分發(fā)掘數(shù)據(jù)本身所蘊(yùn)含的物理機(jī)制和物理規(guī)律,提高了大壩變形多尺度預(yù)測精度。
[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.
【作者單位】： 東華理工大學(xué)測繪工程學(xué)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(diǎn)實(shí)驗(yàn)室;南昌航空大學(xué);
【基金】：國家自然科學(xué)基金項(xiàng)目(41374007) 測繪地理信息江西省研究生創(chuàng)新教育基地項(xiàng)目(2310700008)
【分類號】：TV698.11
【正文快照】： 0引言受地質(zhì)、氣候、施工方案等各種條件的影響,大壩在施工或運(yùn)營過程中總會發(fā)生不同程度的變形;及時掌握并準(zhǔn)確預(yù)測大壩變形狀態(tài),對大壩安全具有重要意義。目前常用的預(yù)測方法主要有時間序列模型、灰色理論和神經(jīng)網(wǎng)絡(luò)[1]等。但由于大壩變形具有較強(qiáng)的非平穩(wěn)性和非線性,這些方

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 任超;梁月吉;龐光鋒;藍(lán)嵐;;基于灰色最小二乘支持向量機(jī)的大壩變形預(yù)測[J];大地測量與地球動力學(xué);2015年04期

2 陳威;唐德燕;張屆;;利用三點(diǎn)法-灰色組合模型預(yù)測鐵路路基沉降[J];測繪科學(xué);2015年07期

3 董正坤;羅亦泳;蔣斯斯;臧德彥;張立亭;謝翠貞;;基于局域均值分解和BP神經(jīng)網(wǎng)絡(luò)的大壩變形預(yù)測[J];測繪工程;2015年04期

4 周世健;羅亦泳;魯鐵定;;局部均值分解(LMD)方法在多尺度變形分析中的應(yīng)用分析探討[J];江西科學(xué);2014年04期

5 林大超;安鳳平;郭章林;張立寧;;滑坡位移的多模態(tài)支持向量機(jī)模型預(yù)測[J];巖土力學(xué);2011年S1期

6 焦明連;蔣廷臣;;基于小波分析的灰色預(yù)測模型在大壩安全監(jiān)測中的應(yīng)用[J];大地測量與地球動力學(xué);2009年02期

相關(guān)博士學(xué)位論文 前1條

1 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃定川;謝世成;;一種基于BP神經(jīng)網(wǎng)絡(luò)的尾礦壩沉降預(yù)報(bào)方法[J];測繪工程;2016年08期

2 沈哲輝;黃騰;張浩然;楊光;;遺傳算法優(yōu)化MGM(1,n,q)模型在大壩變形監(jiān)測中的應(yīng)用[J];工程勘察;2016年08期

3 盧獻(xiàn)健;晏紅波;梁月吉;;小波分解層數(shù)及分量組合對滑坡預(yù)測的影響[J];桂林理工大學(xué)學(xué)報(bào);2016年02期

4 王奉偉;周世健;羅亦泳;;自適應(yīng)LMD融合新小波閾值函數(shù)的信號去噪[J];人民長江;2016年13期

5 劉光秀;曹�，�;李玉根;;灰色-Gompertz組合模型在軟土路基沉降預(yù)測中的應(yīng)用[J];中國科技論文;2016年13期

6 葉超;郝付軍;;基于支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的滑坡變形復(fù)合式預(yù)測[J];水土保持通報(bào);2016年03期

7 楊麗;劉暉;毛善君;施超;;基于多元分布滯后模型的瓦斯?jié)舛葎討B(tài)預(yù)測[J];中國礦業(yè)大學(xué)學(xué)報(bào);2016年03期

8 王江榮;馬萍;王s，

本文編號：1346207