基于ICEEMDAN与优化LSSVM的大坝变形预测模型及应用

来源：水利水运工程学报杂志 2026年第1期北京时间：

作者：林英浩,郑东健,冉成,赵宇

摘要：针对大坝变形序列中的噪声干扰和非线性特征，提出了基于ICEEMDAN-EBQPSO-LSSVM-LSTM的组合预测模型，以提高大坝变形预测精度。首先，采用改进自适应噪声的集合经验模态分解（ICEEMDAN）对原始变形数据进行分解，提取多个平稳子序列；其次，提出一种改进的量子粒子群优化算法（EBQPSO），对最小二乘支持向量机（LSSVM）的超参数优化后，再对各子序列进行初步预测；然后，利用长短期记忆网络（LSTM）进行残差预测，进一步提升预测精度。最后，将初步预测结果与残差预测值相结合，得到最终的变形预测值。通过对某水电站重力坝实测变形数据的分析，验证了该模型在预测精度和稳定性方面均优于其他模型，有效提升了大坝变形预测的准确性，可为大坝安全监测与风险预警提供更可靠的技术支撑。

关键词：大坝变形, 预测, 改进的量子粒子群算法, 最小二乘支持向量机