%0 Journal Article
%A 李桥
%A 巨能攀
%A 黄健
%A 王昌明
%A 赖若帆
%A 剪鑫磊
%T 基于EEMD与SE的IPSO-LSSVM模型在坝肩边坡变形预测中的应用
%D 2019
%R 10.11988/ckyyb.20180545
%J 新澳门游戏网站入口
院报
%P 47-53
%V 36
%N 12
%X 坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测。基于聚类模态分解(EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机(IPSO-LSSVM)方法,提出一种名为EEMD-SE-IPSO-LSSVM的坝肩边坡变形预测模型。首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO-LSSVM预测模型;最后,将各预测分量进行叠加重构,得到最终的大坝变形预测值。以澜沧江苗尾水电站左岸坝肩边坡为例,将BPNN、RBFNN、LSSVM、EEMD-SE-LSSVM与EEMD-SE-PSO-LSSVM进行对比研究。结果表明,该模型的计算精度优于其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的坝肩边坡变形预测方法,能够为大坝安全监测提供有价值的参考。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20180545