基于EMD和GA-BP神经网络的大坝变形预测

提出一种基于经验模态分解 （ＥＭＤ）和遗传 ＢＰ神经网络的大坝变形预测新算法。该算法首先通 过 ＥＭＤ对变形序列进行分解，有效分离出非线性高频波动分量和低频趋势分量；然后应用遗传算法优化 ＢＰ神经网络的权值和阈值，再对各分量进行建模预测；最后叠加各分量预测值得到预测结果。应用新算 法与灰色 ＧＭ （１，１）、回归模型、普通卡尔滤波和遗传 ＢＰ神经网络算法进行对比分析。结果表明，该算 法具有较强的自身内部环境优化和外部平台构建能力，自适应能力和非线性拟合能力较强，在一定程度上 保证较优的局部预测值和较好的全局预测精度，在大坝变形预测中具有一定的实用价值。