摘要
本发明公开了一种用于预测大坝边坡时空变形的方法,包括以下步骤:(1)收集观测数据;(2)利用粒子滤波器处理传感器测量的环境值;(3)利用CEEMDAN对步骤(1)得到大坝边坡位移数据Δi进行分解;(4)根据大坝边坡的和测点空间位置和分解所的得到的高频信号,建立T‑B模型;(5)输入低频信号对应的时间,目标值设置为低频信号值,得到XGBoost模型;(6)合并T‑B模型和XGBoost模型获得最终的大坝边坡变形的预测模型,然后输入所需要环境量和测点坐标,即可对大坝变形进行预测。本发明充分利用多种模型的优势,实现更快的建模速度、更高的预测精度和更好的泛化能力。
技术关键词
边坡
大坝
粒子滤波器
XGBoost模型
信号值
XGBoost算法
双向长短期记忆网络
样本
时间序列特征
编码器
概率密度函数
超参数
传感器
数据噪声
训练集
后验概率
系统为您推荐了相关专利信息
边坡
巡检机器人
初始轮廓
实时监测装置
实时监测数据
鼓风机
排风机
XGBoost模型
温度传感器
PID温度控制器
ZYNQ架构
深度学习算法
状态机
神经网络硬件加速
数据
全基因组关联分析
皮尔逊相关系数
LightGBM模型
XGBoost模型
混合线性模型