| 基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法 |
| |
| 引用本文： | 邓思源,周兰庭,柳志坤.基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法[J].水利水电科技进展,2022,42(5):121-126. |
| |
| 作者姓名： | 邓思源 周兰庭 柳志坤 |
| |
| 作者单位： | 河海大学水利水电学院,江苏 南京210098;青岛市发展和改革委员会动能转换推进处,山东 青岛266000;青岛市经济发展研究院,山东 青岛266000 |
| |
| 基金项目： | 国家自然科学基金(51209078,51739003) |
| |
| 摘 要： | 为了实现对大坝变形趋势的合理分析,提出了一种融合卡尔曼滤波、分形理论和长短时记忆神经网络(LSTM)的大坝变形趋势综合分析方法。该方法利用卡尔曼滤波对原始观测数据进行降噪处理,采用分形理论中的R/S方法对大坝未来变形趋势进行定性判断和解析,通过对滤波后数据建立LSTM定量预测模型,结合定性和定量的分析结果,实现大坝变形趋势的综合评判。实例分析结果表明,该方法能够较好地分析大坝变形趋势,对大坝监测数据的随机性和非平稳性具有较好的适用性,趋势分析和预测符合工程实际情况,为大坝的变形综合分析提供了一种新方法。
|
| 关 键 词： | 大坝 卡尔曼滤波 分形 LSTM模型 变形预测 趋势判断 |
| 收稿时间： | 2021/9/12 0:00:00 |
Analysis method of dam deformation trend based on Kalman filter, fractal and LSTM |
| |
| DENG Siyuan,ZHOU Lanting,LIU Zhikun.Analysis method of dam deformation trend based on Kalman filter, fractal and LSTM[J].Advances in Science and Technology of Water Resources,2022,42(5):121-126. |
| |
| Authors: | DENG Siyuan ZHOU Lanting LIU Zhikun |
| |
| Affiliation: | College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China; Kinetic Energy Conversion Promotion Office, Qingdao Development and Reform Commission, Qingdao 266000, China;Qingdao Economic Development Research Institute, Qingdao 266000, China |
| |
| Abstract: | In order to realize reasonable analysis of dam deformation trend, a comprehensive analysis method integrated with Kalman filter, fractal and long short-term memory neural network |
| |
| Keywords: | dam Kalman filter fractal LSTM model deformation prediction trend judgment |
|
| 点击此处可从《水利水电科技进展》浏览原始摘要信息 |
|
点击此处可从《水利水电科技进展》下载全文 |
|
