基于EMD-RNN的堤防沉降预测方法研究.pdfVIP

2024年9月EWRHI

水利水电快报第45卷第9期

引用格式：郭斌，刘招，祝敏刚.基于EMD-RNN的堤防沉降预测方法研究[J].水利水电快报,2024,45（9）：85-89.

基于EMD-RNN的堤防沉降预测方法研究

1招1,祝敏刚

郭斌,刘

（1.中交第四航务工程勘察设计院有限公司，广东广州510230；2.中国电建集团城市规划设计

研究院有限公司，广东广州511458）

摘要：为有效预测堤防沉降,利用经验模态分解(EMD)对沉降数据进行处理,提取不同频率成分的特征序

列；再通过循环神经网络(RNN）,结合注意力机制，对重构后的长时间序列数据进行建模,针对不同输入时长的

数据进行筛选和分析，以确定最佳的输入时长，从而捕捉沉降过程中的时间依赖性和关键特征。以万项沙联围

北界河水闸至中山界外江堤防综合整治工程的沉降数据为例，对所提方法进行验证。结果表明：该案例的最优

输入步长为3,在此情况下，模型的均方误差为0.60,平均绝对误差为0.59,优于传统的SVM和BPNN方法，有

效提升了堤防沉降预测的准确性与可靠性。该方法可为类似城市基础设施维护和管理提供参考。

关键词：经验模态分解（EMD)；本征模态函数；堤防；沉降预测

中图法分类号:TV871;TV698.1文献标志码：AD0I:10.15974/j.cnki.slsdkb.2024.09.015

文章编号:1006-0081(2024)09-0085-05

0引言1理论介绍

水利填方工程是全球洪水控制和水资源管理系

1.1丝

经验模态分解

统中至关重要的基础设施。随着时间的推移,这些填

方工程可能会发生沉降,这对其结构完整性和功能性经验模态分解（EMD)是一种数据分解方法,由

Huang等[10]于1998年提出，适用于非线性和非平

构成重大挑战1-2]。沉降可能导致堤防的洪水防护

能力减弱、维护成本增加,并对附近社区和生态系统稳信号的分析。它将信号分解成多个固有模态函数

造成风险[3]。为了更好地理解和预测路基沉降行为，（intrinsicmodefunctions，IMF），每个IMF表示信号

学术界和工程领域一直在探索有效的方法。传统的中一个特定频率范围内的振荡模式,这种自适应性

沉降预测方法主要依赖于土工试验和现场监测等手使得EMD在捕捉信号中的时频特征方面表现出

段（4-7。然而,这些方法由于试验数据的有限性和时色[)。EMD的基本原理是将信号x(t)分解成N个

空变化的影响，其预测精度和可靠性常常受到限制。IMF和一个残余项,可用式(1)表示：

随着计算机科学和数学建模技术的不断进步，越来越N

α(t)=ZC(t)+r(t)(1)

多的研究开始将机器学习引人路基沉降预测中[8-9],i=1

以期提高预测的准确性和普适性。式中：C(t)表示第i个IMF序列;r(t)表示残余项。

本文方法的核心在于利用经验模态分解（EMD)EMD算法步骤如下：

技术对沉降数据进行分解，提取不同频率成分的特征（1）寻找极值点：在信号中找到所有极小值点

序列并重构成新的序列,通过结合注意力机制的循环和极大值点，构建上下包络线。

神经网络(RNN)对重构后的长时间序列数据进行建（2）计算均值：计算上下包络线的均值。

模。EMD技术