基于CNN-LSTM的大坝变形组合预测模型研究 |
| |
引用本文: | 王润英,林思雨,方卫华,赵凯文.基于CNN-LSTM的大坝变形组合预测模型研究[J].水力发电,2024(1):37-41+52. |
| |
作者姓名: | 王润英 林思雨 方卫华 赵凯文 |
| |
作者单位: | 1. 河海大学水利水电学院;2. 水利部南京水利水文自动化研究所;3. 水利部水文水资源监控工程技术研究中心 |
| |
摘 要: | 为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks, CNN)与深度学习长短期记忆(Long short-term memory, LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征,再利用LSTM生成特征描述,该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例,经过CNN-LSTM模型计算,将模型变形预测值与原型监测资料进行对比,再与LSTM模型及CNN模型的预测结果进行对比。结果表明,CNN-LSTM模型预测值最接近监测资料实测结果。
|
关 键 词: | 大坝变形 卷积神经网络 LSTM神经网络 变形预测 预测精度 柏叶口水库 |
|
|