基于FCM-WOA-LSTM的大坝变形预测模型及其应用 |
| |
引用本文: | 曹梦茜,郑东健.基于FCM-WOA-LSTM的大坝变形预测模型及其应用[J].水电能源科学,2023(5):71-75. |
| |
作者姓名: | 曹梦茜 郑东健 |
| |
作者单位: | 1. 河海大学水利水电学院;2. 河海大学水文水资源与水利工程科学国家重点实验室 |
| |
基金项目: | 国家重点研发计划(2018YFC1508603);;国家自然科学基金重点项目(51739003); |
| |
摘 要: | 随着大坝变形监测资料的持续积累和变形测点数量的不断增多,预测分析全部变形测点往往需耗费大量的时间,容易造成反馈不及时的问题。对此,引入模糊C-均值聚类算法(FCM),根据大坝变形规律的相似程度进行分区,将鲸鱼优化算法(WOA)用于长短期记忆神经网络(LSTM)模型的参数优化,建立基于FCM-WOA-LSTM的大坝变形预测模型,以某混凝土双曲拱坝的实测变形资料作为样本数据进行预测分析,并与LSTM模型和SVM模型的预测结果进行对比。结果表明,FCM-WOA-LSTM模型预测结果的平均绝对误差MMAE、均方误差MMSE、均方根误差RRMSE均为3种模型中最小,且拟合段的3个评价指标值和预测段的3个评价指标值均接近,FCM-WOA-LSTM模型具有更高的预测精度和更好的适用性。
|
关 键 词: | 大坝变形 测点分区 模糊C-均值聚类 鲸鱼优化算法 长短期记忆网络 |
|