基于EEMD-SARIMA模型的大坝变形预测

摘要

在大坝变形监测领域中,由于实际工程的复杂性及外界环境的不确定性,获得的变形观测数据往往存在一定的误差。而误差的存在,直接导致了观测数据波动性的增强,在一定程度上掩盖了工程的实际变形情况。通过弱化大坝变形数据的波动性,进而分离影响大坝变形的多种因素,针对单一或少量的影响因素的周期性和季节性特点,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)模型和季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)的预测方法。依据小浪底大坝和丰满大坝的变形观测数据进行预测分析。预测结果表明,此方法能够更好地拟合大坝变形的变化趋势,对于大坝沉降变形预报是一种行之有效的预测方法。