基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测

张翌娜; 江琦; 张建伟; 李香瑞

doi:10.20040/j.cnki.1000-7709.2024.20222374

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测

更新时间：2026-02-25

- 基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测
- Issue 3, Pages: 161-165(2024)
- 作者机构：
  
  1. 黄河水利职业技术学院土木与交通工程学院
  2. 华北水利水电大学水利学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20222374
  CLC： TV743;TV223.1
- Published：2024
- 稿件说明：
移动端阅览
张翌娜, 江琦, 张建伟, et al. 基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测[J]. 2024, (3): 161-165.
DOI：

张翌娜, 江琦, 张建伟, et al. 基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测[J]. 2024, (3): 161-165. DOI： 10.20040/j.cnki.1000-7709.2024.20222374.

摘要

为保证地下洞室围岩环境的安全状态，提出了一种以变分模态分解（VMD）方法分解原始数据和粒子群优化算法（PSO）提高预测精度为基础，基于多影响因素联合核极限学习机（KELM）方法的洞室围岩变形预测方法。该方法首先采用VMD方法将监测位移分解为受趋势性因素影响的趋势项位移和受周期性因素影响的周期项位移，去除影响因素的干扰项，其次将演化状态及影响因素作为PSO-KELM的输入数据，预测各影响因素所对应的趋势项或周期项位移，最后叠加两种分项位移，并将多影响因素结合的KELM方法与其他预测方法进行精度比较。对某抽水蓄能电站工程实测数据的验证结果表明，预测结果与原始位移的R

RMSE

相差仅0.76%

且二者的R为0.986

所提预测方法具有较高的预测精度，可为同类工程的围岩变形预测提供参考。

Abstract

关键词

Keywords

references

Pankaj Divya,D. Govind,K.A. Narayanankutty.A novel method for removing Rician noise from MRI based on variational mode decomposition[J].Biomedical Signal Processing and Control,2021.

original> .Prediction of landslide displacement with an ensemble-based extreme learning machine and copula models[J].Landslides,2018.

Wu Qingdong,Yan Bo,Zhang Chao,Wang Lu,Ning Guobao,Yu B..Displacement Prediction of Tunnel Surrounding Rock: A Comparison of Support Vector Machine and Artificial Neural Network[J].Mathematical Problems in Engineering,2014.

Jae Ho LEE,Shinichi AKUTAGAWA.Quick prediction of tunnel displacements using Artificial Neural Network and field measurement results[J].International Journal of the JCRM,2009.

张建伟,李香瑞,严鹏,王勇.基于尖点突变理论和MWMPE的围岩稳定监测[J].振动.测试与诊断,2021(06).

张建伟,华薇薇,侯鸽,赵瑜,郭西方.AVMD-KELM方法在水闸结构振动趋势预测中的应用[J].振动.测试与诊断,2019(05).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于回路法的竖井空气循环系统水平管临界位置的确定

地下水水位降落漏斗评价方法研究与应用

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于OLHS-IAOO-KELM的尾矿坝渗透系数反演模型及应用

基于VMD的供水管道漏损检测研究

Related Author

魏佳芳

黄盈盈

纪鹏辉

魏荣升

曾俊翔

樊新建

朱静思

王哲

Related Institution

兰州理工大学能源与动力工程学院

河海大学水文水资源学院

中国地质科学院水文地质环境地质研究所

水利部海河水利委员会

天津大学水利工程智能建设与运维全国重点实验室

AI问答

⁰