基于LMD与样本熵的多尺度大坝变形预测.pdfVIP

46 16 第 卷第 期 人 民 长 江 Vol． 46 ，No． 16 2 0 1 5 8 年 月 Yangtze Ｒiver Aug． ， 2015 文章编号:1001 － 4 179 (2015)16 － 0067 － 05 基于LMD 与样本熵的多尺度大坝变形预测 1 1 2 3 ， ， ， 罗亦泳 张立亭 周世健 张 豪 (1． ， 330013 ; 2 ． ， 330096 ; 3． 东华理工大学测绘工程学院 江西南昌 江西省科学院 江西南昌 浙江工业大 ， 310032) 学建筑工程学院 杭州 : ， 、 ， 摘要 针对大坝变形数据的多尺度特征 将局域均值分解 样本熵及高斯过程算法应用于大坝变形预测中 提 。 ， 出了多尺度大坝变形预测新模型 首先利用局域均值分解算法对变形数据进行多尺度分析 挖掘变形数据隐 ， ， ， 含的信息 随后根据各变形分量特征 构建基于高斯过程的多尺度大坝变形预测模型 并利用样本熵对模型进 。 ， BP 。 行简化 通过实例分析 证实该大坝变形预测新方法精度高于 网络和最小二乘支持向量机模型 : ; ; ; 关 键 词 局域均值分解 样本熵 高斯过程 变形预测 中图法分类号:TV698 文献标志码:A DOI :10 ． 16232 /j ． cnki． 1001 － 4 179 ． 2015 ． 16． 016 ， BP 、 大坝变形预测模型是大坝安全监测系统的重要理 能力 且能有效克服 神经网络 支持向量机算法的 ， 、 。 ， ， 论组成部分 建立精度高 可靠性强的预测模型对大坝 参数确定问题 因此 针对每一个变形分量 利用高斯 。 ， 安全运行具有重要作用 当前变形预测理论研究成果 过程学习算法构建各分量变形预测模型并进行叠加 较为丰富， Kalman ， 周吕等采用灰色预测与 滤波模型对 提出基于局域均值分解的大坝变形组合预测模型 可 ［1］ ， 。 建筑物进行分析 刁建鹏等把小波变换与支持向量