文献类型：期刊文章

作　　者：刘永涛[1,2] 郑东健[1,2] 孙雪莲[3] 曹立林[4]

LIU Yongtao;ZHENG Dongjian;SUN Xuelian;CAO Lilin(College of Water Conservancy and Hydropower Engineering,Hohai University,Nanjing 210098,China;State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering,Hohai University,Nanjing 210098,China;East China Electric Power Design Institute Co.,Ltd.of China Power Engineering Consulting Group,Shanghai 200063,China;Tongyu River North Water Transmission Project Management Department,Lianyungang 222023,China)

机构地区：[1]河海大学水利水电学院,江苏南京210098 [2]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 [3]中国电力工程顾问集团华东电力设计院有限公司,上海200063 [4]江苏省连云港市通榆河北延送水工程管理处,江苏连云港222023

出　　处：《水利水电科技进展》

基　　金：国家重点研发计划(2018YFC1508603);江苏省研究生科研与实践创新计划(SJKY19_0488);中央高校基本科研业务费专项(2019B70514)。

年　　份：2021

卷　　号：41

期　　号：3

起止页码：89-94

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为避免常规时间序列模型因不考虑非线性环境量而出现过拟合及预测精度不高的现象,建立了基于EEMD-RVM的土石坝渗流量时间序列预测模型。该模型采用集成经验模态分解法(EEMD)对量水堰渗流量监测值进行分解,生成多组平稳本征模态函数(IMF)及剩余分量R,然后采用相关向量机(RVM)对若干组IMF序列和R进行训练拟合及预测,最后将IMF序列和R进行等权求和得到渗流量预测值;讨论了该模型训练集的样本数及时长、预测集个数的选择和突跳点的处理等相关情况。工程算例验证结果表明,EEMD-RVM模型拟合预测精度高,且预测精度明显高于RVM模型以及GA-BP模型,验证了该模型的可行性。

关 键 词：土石坝 渗流量 时间序列 预测模型  EEMD分解法  相关向量机

分 类 号：TV641] TV223.4