典型文献
基于VMD-PE-CNN的混凝土坝变形预测模型
文献摘要：
为了进一步提高混凝土坝变形预测精度,基于"先分解再重构"的思想,将变分模态分解(VMD)、排列熵(PE)与卷积神经网络(CNN)相结合,提出了一种混凝土坝变形预测模型.通过VMD和计算模态分解余量的P E将原始实测变形时间序列数据自适应地分解为一系列具有不同频域尺度特征的模态分量,然后将每个模态分量作为单独的子序列,采用CNN直接对各子序列进行时域建模并预测,最后将各个子序列的预测值叠加重构得到最终的大坝变形预测值.实测数据计算结果表明:采用计算模态分解余量PE的方法可以得到最优的模态分量个数,实现实测数据的最优分解;较之于CNN和LSTM模型,VMD-PE-CNN模型在测试数据上的均方根误差分别降低了61.8％和65.5％,显示出更强的预测能力.
文献关键词：
变分模态分解;卷积神经网络;排列熵;变形预测;深度学习
中图分类号：
作者姓名：
张健飞;衡琰
作者机构：
河海大学力学与材料学院, 江苏南京 210098
文献出处：
引用格式：
[1]张健飞;衡琰-.基于VMD-PE-CNN的混凝土坝变形预测模型)[J].水利水电技术（中英文）,2022(11):100-109
A类：
B类：
VMD,PE,混凝土坝变形预测,高混凝土坝,变分模态分解,排列熵,计算模态,余量,变形时间,时间序列数据,频域,尺度特征,模态分量,子序列,大坝变形预测,数据计算,较之于,测试数据,预测能力
AB值：
0.195307
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
