期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
大坝运行安全在线监控IPSO-LSTM模型研究
1
作者
戴霈霖
李艳玲
周子玉
《人民长江》
北大核心
2024年第12期229-236,共8页
构建合理在线监控模型是实时掌控大坝安全性态的重要保障。针对LSTM模型受多参数组合影响、最优参数泛化能力弱、人工选取参数难的问题,深入分析了学习率、分块尺寸、最大迭代次数和隐藏层单元数等关键参数对大坝安全在线监控模型精度...
构建合理在线监控模型是实时掌控大坝安全性态的重要保障。针对LSTM模型受多参数组合影响、最优参数泛化能力弱、人工选取参数难的问题,深入分析了学习率、分块尺寸、最大迭代次数和隐藏层单元数等关键参数对大坝安全在线监控模型精度的影响规律,提出了融合非线性惯性权重、收缩因子及柯西扰动项的粒子群优化改进算法(IPSO),并与LSTM模型耦合构建了针对大坝安全监控的IPSO-LSTM模型。工程校验表明:该模型能自动搜寻最优参数、精度高、鲁棒性强,适用于不同类型、不同长度的大坝安全监测数据序列,相对人工定参的LSTM模型误差至少能降低30%。相关经验可为大坝运行安全在线监控提供技术支持。
展开更多
关键词
大坝安全
监控模型
粒子
群
优化
改进
算法
(
ipso
)
长短时神经网络(LSTM)
自动寻优
下载PDF
职称材料
题名
大坝运行安全在线监控IPSO-LSTM模型研究
1
作者
戴霈霖
李艳玲
周子玉
机构
四川大学水利水电学院
中国电建集团中南勘测设计研究院有限公司
出处
《人民长江》
北大核心
2024年第12期229-236,共8页
基金
国家自然科学基金项目(52309162)。
文摘
构建合理在线监控模型是实时掌控大坝安全性态的重要保障。针对LSTM模型受多参数组合影响、最优参数泛化能力弱、人工选取参数难的问题,深入分析了学习率、分块尺寸、最大迭代次数和隐藏层单元数等关键参数对大坝安全在线监控模型精度的影响规律,提出了融合非线性惯性权重、收缩因子及柯西扰动项的粒子群优化改进算法(IPSO),并与LSTM模型耦合构建了针对大坝安全监控的IPSO-LSTM模型。工程校验表明:该模型能自动搜寻最优参数、精度高、鲁棒性强,适用于不同类型、不同长度的大坝安全监测数据序列,相对人工定参的LSTM模型误差至少能降低30%。相关经验可为大坝运行安全在线监控提供技术支持。
关键词
大坝安全
监控模型
粒子
群
优化
改进
算法
(
ipso
)
长短时神经网络(LSTM)
自动寻优
Keywords
dam safety
monitoring model
improved particle swarm optimization algorithm(
ipso
)
long and short time neural network(LSTM)
automatic optimization
分类号
TV698.1 [水利工程—水利水电工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
大坝运行安全在线监控IPSO-LSTM模型研究
戴霈霖
李艳玲
周子玉
《人民长江》
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
