基于EEMD-GA-BP模型的大坝变形监测数据预测

作者：晏红波; 周斌; 卢献健^*; 刘海锋

来源：长江科学院院报, 2019, 36(09): 58-63.

• 大坝变形
• 预测模型
• 集合经验模态分解
• BP神经网络
• 遗传优化算法

针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法。采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型。利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果。算例表明,本文提出的组合模型能有效地提高大坝变形预测精度。

• 单位
  广西空间信息与测绘重点实验室; 桂林理工大学