摘要：采用改進的變分模態分解(improved variational mode decomposition,簡稱IVMD)與支持向量機(support vector machine,簡稱SVM)相聯合的方法,對泵站管道的振動響應趨勢進行預測。首先,基于互信息準則確定IVMD的分解模態數,克服變分模態分解(variatronal mode decomposition,簡稱VMD)盲目選取分解參數的缺點,利用IVMD將機組和管道的振動序列分解為多個固態模量(intrinsic mode function,簡稱IMF),分別作為SVM模型的輸入和輸出;其次,利用粒子群優化(particle swarm optimization,簡稱PSO)分別尋找各模態分量對應SVM模型的最優參數并對各分量分別進行預測;最后,將各測點對應的IMFs預測結果重構作為最終的預測值。結合某大型泵站2號壓力管道振動響應數據,分別采用IVMD-SVM,PSO-SVM和BP神經網絡3種模型對管道振動響應趨勢進行預測,并將預測結果進行對比分析。結果表明,IVMD-SVM模型得到的預測結果和實測值更加接近,計算精度更高,且誤差較小,該方法對管道及類似工程結構的振動趨勢預測具有一定的參考價值。