-
题名基于EMD和RBF神经网络的大坝形变预测
被引量：22
- 1
-
-
作者
刘思敏
徐景田
鞠博晓
-
机构
中国地质大学(武汉)信息工程学院
武汉大学测绘学院
-
出处
《测绘通报》
CSCD
北大核心
2019年第8期88-91,95,共5页
-
基金
国家自然科学基金(41874009)
-
文摘
利用长期观测数据结合预测模型对大坝的形变趋势进行估计评价是大坝结构安全监测的必要内容。本文综合利用EMD和RBF神经网络,研究大坝变形时间序列中非线性周期信号变化的内在规律,使用西龙池L022号站4000期数据作为训练样本,对后续80期数据进行预测,并通过对预测结果与实测变形差值的统计分析评价本文方法的预测水平。结果表明,N、E、U 3个方向的RMSE分别为0.878 6、0.360 4和2.235 mm。与BP进行对比,RBF预测效果更好,受数据精度影响较小,MAE、RMSE较BP分别最高可提高63%、57%,且本文方法计算效率高,泛化能力强。
-
关键词
GNSS自动化监测系统
经验模态分解(EMD)
RBF神经网络
大坝形变预测
-
Keywords
GNSS automatic monitoring system
empirical mode decomposition (EMD)
RBF neural network
dam deformation prediction
-
分类号
P258
[天文地球—测绘科学与技术]
-
