EMD分解和SVM模型在時間序列荷載預測中的應(yīng)用.pdf

1、在水利工程中有很多高聳或長大結(jié)構(gòu)，如高壩及其壩頂建筑、工作橋及大跨渡槽等，而風和地震等時間序列荷載對這些結(jié)構(gòu)影響的很大，一些工程因之而受到影響而出現(xiàn)事故，甚至造成災難。深入研究風與地震等時間序列荷載的特性和規(guī)律，并對其進行預測，將有助于結(jié)構(gòu)的振動控制，避免或減輕工程災害。本文應(yīng)用經(jīng)驗模態(tài)分解及支持向量機模型，研究風速及地震加速度的預測問題，主要內(nèi)容如下:
　　1)分析了風、地震所具有的不穩(wěn)定的特點以及應(yīng)用于預測非平穩(wěn)數(shù)據(jù)序列的方法

2、，對傳統(tǒng)預測方法的特點和目前應(yīng)用較多的預測方法進行了比較。
　　2)介紹了基于統(tǒng)計學理論的支持向量機和基于結(jié)構(gòu)風險最小化的最小二乘支持向量機學習方法的原理;經(jīng)驗模態(tài)分解方法的基本原理、詳細分解步驟及一些問題的解決方法;為了提高模型預測準確性，引入粒子群優(yōu)化算法，建立預測模型時模型核函數(shù)和參數(shù)選擇問題、具體的模型建立步驟。最后以風速預測和地震加速度預測為例驗證這種預測方法的有效性。
　　3)提出了基于經(jīng)驗模態(tài)分解與多步預測的最

3、小二乘支持向量機相結(jié)合的方法，對風速的非線性時間序列分析進行了建模預測。首先對風速動態(tài)信號加以經(jīng)驗模式的分解，將原信號分解為若干個不同特征尺度（頻率）的本征模態(tài)函數(shù)。再建立多步預測為基礎(chǔ)的最小二乘支持向量機預測模型，對不同頻帶的平穩(wěn)IMF分量進行預測，將各分量的預測值等權(quán)求和得到最終預測值。發(fā)現(xiàn)EMD與多步預測的LS-SVM相結(jié)合的風速預測方法比單一的LS-SVM預測方法的預測精度更高。在此基礎(chǔ)上應(yīng)用PS0優(yōu)化算法對模型參數(shù)的選擇進行優(yōu)