基于EMD和RBF神经网络的大坝形变预测

作者：刘思敏; 徐景田; 鞠博晓

来源：测绘通报, 2019, (08): 88-95.

DOI：10.13474/j.cnki.11-2246.2019.0258

• GNSS自动化监测系统
• 经验模态分解(EMD)
• RBF神经网络
• 大坝形变预测

利用长期观测数据结合预测模型对大坝的形变趋势进行估计评价是大坝结构安全监测的必要内容。本文综合利用EMD和RBF神经网络,研究大坝变形时间序列中非线性周期信号变化的内在规律,使用西龙池L022号站4000期数据作为训练样本,对后续80期数据进行预测,并通过对预测结果与实测变形差值的统计分析评价本文方法的预测水平。结果表明,N、E、U 3个方向的RMSE分别为0.878 6、0.360 4和2.235 mm。与BP进行对比,RBF预测效果更好,受数据精度影响较小,MAE、RMSE较BP分别最高可提高63%、57%,且本文方法计算效率高,泛化能力强。

• 单位
  中国地质大学（武汉）; 武汉大学