基于小波包变换的ROA-ELM大坝变形多步预测模型

作者：陈金红; 崔东文^*

来源：三峡大学学报(自然科学版), 2022, 44(06): 21-27.

DOI：10.13393/j.cnki.issn.1672-948x.2022.06.003

• 变形预测
• 小波包变换
• ■鱼优化算法
• 极限学习机
• 多步预测
• 仿真测试

为提高大坝变形时间序列多步预测精度，引入小波包变换(WPT)、■鱼优化算法(ROA)和极限学习机(ELM),提出WPT-ROA-ELM大坝变形时间序列多步预测模型，并应用于岳城水库大坝变形多步预测.首先，介绍ROA原理，在不同维度条件下选取6个典型函数对ROA进行仿真验证；其次，利用2层WPT将大坝变形时序数据分解为4个子序列分量，达到降低大坝变形时序数据复杂性和不平稳性的目的；最后利用ROA优化ELM输入层权值和隐含层偏值，建立WPT-ROA-ELM模型对各子序列分量进行多步预测，将预测结果加和重构得到最终大坝变形多步预测结果，同时构建WPT-ROA-SVM、WPT-ROA-BP作对比分析模型.结果表明：ROA具有较好的寻优精度和全局搜索能力；WPT-ROA-ELM模型对实例大坝变形超前1步～超前5步预测的平均绝对百分比误差在0.12%～3.10%之间，小于WPT-ROA-SVM模型的1.98%～6.13%和WPT-ROA-BP模型的0.87%～7.41%,尤以超前1步～超前3步的预测效果最好，其平均绝对百分比误差均≤0.58%;WPT-ROA-ELM模型能充分发挥WPT、ROA和ELM优势，表现出较好的预测精度和稳定性能，预测误差随着预测超前步数的增加而增大.