基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究OACSTPCD
Research on Dam Deformation Prediction Model Based on CEEMDAN-GMDH-ARIMA
为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEM-DAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究.采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于 CEEMDAN-GMDH-ARIMA 的大坝变形预测模型.以江西上犹江水电站…查看全部>>
In order to improve the accuracy of dam deformation prediction,in view of the complexity and nonlinear characteristics of dam de-formation data,a Complete Ensemble Empirical Mode Decomposition with Adaptive Noise(CEEMDAN),Group Method of Data Handling(GMDH)and Autoregressive Integrated Moving Average Model(ARIMA)were used to conduct research on dam deformation prediction.CEEMDAN was used to decompose the original dam data deformation into high-frequency rand…查看全部>>
程小龙;张斌;刘相杰;刘陶胜
江西理工大学 土木与测绘工程学院,江西 赣州 341000江西理工大学 土木与测绘工程学院,江西 赣州 341000江西理工大学 土木与测绘工程学院,江西 赣州 341000江西理工大学 土木与测绘工程学院,江西 赣州 341000
水利科学
自适应噪声完备集成经验模态分解数据处理群集法差分自回归移动平均模型算法大坝变形预测江西上犹江水电站
Complete Ensemble Empirical Mode Decomposition with Adaptive NoiseGroup Method of Data HandlingAutoregressive Inte-grated Moving Average Modeldamdeformation predictionJiangxi Shangyoujiang Hydropower Station
《人民黄河》 2024 (1)
146-150,5
国家自然科学基金青年科学基金项目(42004158)
评论