基于EMD-ARIMA模型的边坡位移分析与预测
针对波动性大、规律性差且含噪声的高速公路边坡位移监测时间序列,提出了一种基于经验模态分解技术(EMD)和自回归移动平均(ARIMA)相结合的预测算法,基本思想为“数据分解-数据预测-数据合成”.通过对重庆奉云高速公路247 d边坡位移监测数据的预测和分析,表明EMD-ARIMA具有较高的精度,好于单一ARIMA模型,可为工程建设及防灾减灾提供技术指导.
边坡位移监测、时间序列、经验模态分解、ARIMA模型、变形分析
18
U416.14(道路工程)
兰州市科学技术局计划项目;兰州市西固区科学技术局计划项目
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26