考虑残差的小波G-Verhulst-ARIMA大坝变形组合预测模型及应用 |
| |
引用本文: | 杨晨蕾,包腾飞,胡安玉,张静缨.考虑残差的小波G-Verhulst-ARIMA大坝变形组合预测模型及应用[J].水电能源科学,2020,38(12):94-97. |
| |
作者姓名: | 杨晨蕾 包腾飞 胡安玉 张静缨 |
| |
作者单位: | 河海大学水利水电学院,江苏南京210098;河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098;河海大学水利水电学院,江苏南京210098;河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098;三峡大学水利与环境学院,湖北宜昌443002 |
| |
基金项目: | 国家重点研发计划(2018YFC1508603,2016YFC0401601);国家自然科学基金项目(51579086,51739003) |
| |
摘 要: | 鉴于传统的统计模型未考虑变形中的随机扰动和混沌现象,借助小波分析、灰色Verhulst模型(G Verhulst)〖JP〗和差分自回归移动平均模型(ARIMA)分析统计模型的残差,以充分挖掘变形观测资料中的数据特性。首先利用小波分析对残差序列去噪,提取出不同频率的信号,然后分别用G Verhulst模型和ARIMA模型进行建模预测,最后将统计模型预测值和残差预测值叠加,建立了一种考虑残差的小波G Verhulst ARIMA大坝变形组合预测模型。实例应用结果表明,与不考虑残差的组合模型及使用GM(1,1)模型(EGM)代替G Verhulst模型的组合模型相比,该模型拟合和预测时的均方误差均小于其他两组模型,有效提高了预测精度,为建立大坝安全监控模型提供了新思路。
|
关 键 词: | 变形预测 残差 小波分析 灰色Verhulst模型 ARIMA模型 |
本文献已被 万方数据 等数据库收录! |
|