%0 Journal Article
%A 郑旭东
%A 陈天伟
%A 王雷
%A 段青达
%A 甘若
%T 基于EEMD-PCA-ARIMA模型的大坝变形预测
%D 2020
%R 10.11988/ckyyb.20181146
%J 
院报
%P 57-63
%V 37
%N 3
%X 针对大坝观测数据中存在的噪声容易掩盖实际变形曲线走势的问题,提出一种基于集合经验模态分解(EEMD)、主成分分析(PCA)和自回归移动平均模型(ARIMA)的大坝变形预测方法。通过对观测数据进行EEMD和PCA,从而构建映射矩阵,然后利用映射矩阵对原始数据构建的样本矩阵进行转换,实现消噪效果,进而对处理后的观测数据进行ARIMA建模预测,据此构建EEMD-PCA-ARIMA模型。依据所提出的模型对实际大坝坝顶水平位移观测数据进行预测分析,并与实测数据和经直接去掉高频分量消噪后的ARIMA预测模型、ARIMA预测模型、BP神经网络模型预测模型进行对比分析。结果表明:此方法能够更好地获取大坝的实际变形曲线,对于大坝变形预测而言是一种有效的方法。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20181146