期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型 被引量：14
1
作者 王晓玲 李克 +3 位作者 张宗亮 余红玲 孔令学 陈文龙 《水利学报》 EI CSCD 北大核心 2022年第4期403-412,共10页
现有土石坝渗压预测模型缺乏对渗压效应量中各影响因子影响程度的定量分析,难以探究渗压效应量变化的内在影响机制。针对此问题,本文从时间维度和特征维度两个层面出发,提出一种耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型。该... 现有土石坝渗压预测模型缺乏对渗压效应量中各影响因子影响程度的定量分析,难以探究渗压效应量变化的内在影响机制。针对此问题,本文从时间维度和特征维度两个层面出发,提出一种耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型。该模型首先采用主成分分析方法对各个影响因子进行降维处理;然后,提出基于蚁狮优化算法(Ant Lion Optimizer,ALO)的长短时记忆网络(Long Short-Term Memory,LSTM),利用ALO中的随机游走以及轮盘赌等策略优化LSTM中的神经元数量,以捕捉渗压数据在时间维度上的深层信息;进一步地,在特征维度上引入特征注意力机制计算各影响因子对渗压效应量的贡献率,以自适应挖掘渗压效应量变化的内在原因。案例分析表明,本文所提模型具有较高的精度,其在测试样本上的MAPE、RMSE和MAE分别为0.28%、0.022 m和0.17 m;此外,水位分量对渗压效应量的贡献率最大,为47.9%;其次是降雨、温度和时效分量,其贡献率分别为33.5%、9.8%和8.8%。 展开更多
关键词 渗压预测 长短时记忆网络 特征注意力机制 蚁狮优化算法 主成分分析
下载PDF
基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究 被引量：2
2
作者 岑威钧 王肖鑫 蒋明欢 《水资源与水工程学报》 CSCD 北大核心 2023年第2期180-185,共6页
渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解-重构-组合”的思想构建了土石坝渗压预测的EEMD-LSTM-ARIMA模型。首先采用集合... 渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解-重构-组合”的思想构建了土石坝渗压预测的EEMD-LSTM-ARIMA模型。首先采用集合经验模态分解(EEMD)对时间序列特征进行提取,根据长短期记忆神经网络(LSTM)对提取出的特征分量进行预测,同时结合差分自回归移动平均方法(ARIMA)进行残差修正,组合LSTM和ARIMA的预测结果,重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例,选取主河床坝体防渗墙后2个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明:相较于单一的LSTM模型和ARIMA模型,改进模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中的最小值,预测精度明显优于另外2种模型,该模型为土石坝渗压的精确预测分析提供了新途径。 展开更多
关键词 土石坝 渗压预测 集合经验模态分解 长短期记忆神经网络 差分自回归移动平均
下载PDF
NARX在土石坝渗流预测中的应用 被引量：3
3
作者 赵普 谷艳昌 吴云星 《人民珠江》 2022年第7期126-130,共5页
渗流监测是掌握大坝安全性态的重要手段,针对土石坝渗流压力存在滞后于库水位的特点,引入具有延时输入特性的带外源输入的非线性自回归神经网络(Nonlinear Auto-regressive with Exogenous inputs neural network,NARX)实现土石坝渗压... 渗流监测是掌握大坝安全性态的重要手段,针对土石坝渗流压力存在滞后于库水位的特点,引入具有延时输入特性的带外源输入的非线性自回归神经网络(Nonlinear Auto-regressive with Exogenous inputs neural network,NARX)实现土石坝渗压的有效预测。以某一水库大坝为例,将历史某时段的库水位和降雨等影响因子作为输入序列,渗压测值作为输出序列,分别建立NARX网络多因子和单因子模型进行拟合训练和多步预测,并将预测结果与传统回归模型和传统BP神经网络进行对比。研究结果表明,在RMSE、MAE、MAPE 3种精度指标下,NARX模型均优于2种传统模型。其中,在单因子条件下,NARX仍具有良好的表现。NARX的延迟输入特性可在一定程度上模拟坝体水流渗透的滞后性,对于土石坝的渗压预测具有良好的应用效果。 展开更多
关键词 NARX 渗压预测 滞后性
下载PDF
RF机器学习算法在边坡渗压预测中的应用研究 被引量：2
4
作者 王香帅 黄铭 《水利科技与经济》 2020年第5期17-22,共6页
为准确反映边坡渗压与影响因素之间复杂的非线性关系,提高渗压预测的精度及稳定性,将随机森林(random forest,RF)算法引入到边坡渗压预测中。通过分析影响边坡渗压的主要因素,选取水位因子、降雨因子、时效因子作为模型输入变量,分析袋... 为准确反映边坡渗压与影响因素之间复杂的非线性关系,提高渗压预测的精度及稳定性,将随机森林(random forest,RF)算法引入到边坡渗压预测中。通过分析影响边坡渗压的主要因素,选取水位因子、降雨因子、时效因子作为模型输入变量,分析袋外(out-ofbag,OOB)数据误差,确定参数的最优组合,构建一种基于RF算法的边坡渗压预测模型。对某渠道边坡的渗压实测数据进行分析预测,并与BP神经网络(back propagation neural network,BPNN)模型及逐步回归模型进行对比。结果表明,所建RF模型精度高,稳定性好,能够更有效地进行渗压预测。 展开更多
关键词 随机森林 边坡 渗压预测 逐步回归 BP神经网络
下载PDF
筱溪水电站渗流监测分析与预测 被引量：1
5
作者 丁辉 《湖南水利水电》 2019年第5期23-26,共4页
文章以筱溪水电站渗流监测分析项目为研究背景,对监测资料进行分析与研究,判断运行情况下大坝的运行安全,对大坝的安全状态作出评价,并考虑水位、温度、降雨时效影响因素,采用逐步回归模型与BP神经网络模型对坝基渗压进行了拟合与预测,... 文章以筱溪水电站渗流监测分析项目为研究背景,对监测资料进行分析与研究,判断运行情况下大坝的运行安全,对大坝的安全状态作出评价,并考虑水位、温度、降雨时效影响因素,采用逐步回归模型与BP神经网络模型对坝基渗压进行了拟合与预测,并就拟合与预测结果进行对比分析,为筱溪水电站大坝安全首次定期检查提供了有效的监测依据. 展开更多
关键词 渗流监测 逐步回归 BP神经网络 渗压预测
下载PDF
大坝渗压混合预测的STL分解-集成学习模型
6
作者 王晓玲 王成 +2 位作者 王佳俊 余佳 余红玲 《水力发电学报》 CSCD 北大核心 2024年第9期106-123,共18页
针对目前大坝渗压预测研究大多未区分影响因素对渗压不同特征成分贡献的差异,降低了模型的可解释性,且现有的预测模型大多采用单一算法,存在难以区分具有高度非线性和非稳态混合特征的渗流压力序列模式等问题,本文提出一种基于STL分解... 针对目前大坝渗压预测研究大多未区分影响因素对渗压不同特征成分贡献的差异,降低了模型的可解释性,且现有的预测模型大多采用单一算法,存在难以区分具有高度非线性和非稳态混合特征的渗流压力序列模式等问题,本文提出一种基于STL分解和集成学习策略的渗压可解释混合预测模型。该模型首先通过时间序列分解(STL)将原始渗压时间序列分解为季节项、趋势项和余项,以避免现有模型在渗流压力预测中模式混淆的不足;然后,不同成分的变化特征可采用多策略改进麻雀搜索算法(MSISSA)优化的核极限学习机(KELM)和卷积神经网络组合门控递归单元(CNN-GRU)组成的集成学习模型来识别;此外,还采用单次单因子法(OFAT)分析影响因素对渗流压力不同特征成分的贡献,从而改变输入因素的权重,以提高模型的可解释性。案例分析结果表明,在确保模型可解释性的同时,所提出的混合模型与基于单一算法的模型相比,预测精度平均提高了48.44%;与其他集成预测模型相比,预测精度平均提高了11.42%,验证了所提模型的有效性,为大坝渗流安全监控提供了新的建模方法。 展开更多
关键词 大坝渗压预测 STL时序分解 多策略改进麻雀搜索算法 集成学习
下载PDF
考虑时空相关性的大坝渗压组合深度学习预测模型
7
作者 王晓玲 朱开渲 +2 位作者 余红玲 蔡志坚 王成 《水力发电学报》 CSCD 北大核心 2023年第11期78-91,共14页
针对现有大坝渗压组合预测研究大多仅基于单一测点进行建模,忽略了大坝渗压多测点测值的时空相关性,且大多采用线性组合策略,存在难以捕捉子模型间的非线性特征等问题,提出一种考虑时空相关性的大坝渗压组合深度学习预测模型。首先,采用... 针对现有大坝渗压组合预测研究大多仅基于单一测点进行建模,忽略了大坝渗压多测点测值的时空相关性,且大多采用线性组合策略,存在难以捕捉子模型间的非线性特征等问题,提出一种考虑时空相关性的大坝渗压组合深度学习预测模型。首先,采用K近邻(KNN)优化密度峰值聚类(DPC)算法的局部密度函数,以实现渗压时序时空相关特征的提取与自适应聚类;其次,在采用小波分解(WD)对渗压时序进行多尺度细化的基础上,利用小波神经网络(WNN)捕获渗压时序数据的高频细节特征,并基于双向长短期记忆网络(BiLSTM)建立渗压时序数据的低频趋势特征与时空特征、外界环境影响因子之间的高度非线性映射模型;进一步,基于长短期记忆网络(LSTM)对高、低频特征序列的预测结果进行非线性组合,以捕捉子模型之间的非线性特征。工程案例分析结果表明,相比于未考虑时空相关性的单点预测模型和采用线性组合策略的时空预测模型,所提模型的预测精度分别提高了75.7%和41.4%,验证了所提模型的有效性,为大坝渗流安全监控提供了新思路。 展开更多
关键词 大坝渗压预测 时空相关性 非线性组合模型 深度学习 密度峰值聚类
下载PDF
基于水循环神经网络模型的海堤渗压预测研究 被引量：3
8
作者 蓝祝光 黄铭 《应用基础与工程科学学报》 EI CSCD 北大核心 2018年第6期1226-1234,共9页
为提高海堤渗压的预测效果,在充分分析渗压影响因素的基础上,提出一种新型预测模型.将具有强大寻优能力的新型算法——水循环算法与神经网络相结合,以相关系数法筛选出的渗压主要影响因子作为模型输入,渗压作为模型输出,利用水循环算法... 为提高海堤渗压的预测效果,在充分分析渗压影响因素的基础上,提出一种新型预测模型.将具有强大寻优能力的新型算法——水循环算法与神经网络相结合,以相关系数法筛选出的渗压主要影响因子作为模型输入,渗压作为模型输出,利用水循环算法搜索神经网络的最佳权值,建立海堤渗压水循环神经网络模型.通过上海浦东海堤实测信息对该模型进行验证,结果表明,水循环神经网络模型较BP模型具有更快的收敛速度和更高的预测精度.同时,基于等维新息思想,实现模型信息不断更新、渗压实时预测的效果. 展开更多
关键词 海堤渗压预测 水循环算法 神经网络 因子筛选 等维新息
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部