-
题名联合聚类方法和深度学习的混凝土坝变形预测
被引量:12
- 1
-
-
作者
林川
王翔宇
苏燕
张挺
陈泽钦
-
机构
福州大学土木工程学院
国网福建省电力有限公司电力科学研究院
-
出处
《水力发电学报》
CSCD
北大核心
2022年第10期112-127,共16页
-
基金
国家自然科学基金(52109118)
福建省自然科学基金青年计划(2020J05108)
福建省水利科技项目(MSK202215)。
-
文摘
混凝土大坝变形预测对其安全运行具有重要意义,针对传统分析方法难以捕捉长期序列时序特征从而导致预测精度较低的问题,本文采用麻雀优化算法(SSA)和K调和均值算法(KHM)相结合对监测值进行聚类以捕捉序列时序特征,然后采用自适应噪声完备集合经验模态分解(CEEMDAN)等方法对聚类结果进行降噪处理,最后采用长短期记忆(LSTM)模型对序列进行预测。分析结果表明,本文所提出的聚类方法具有较好的长序列特征识别能力,结合基于CEEMDAN分解方法去除序列中存在的冗余信息,从而使LSTM模型能够更好地捕捉变形值的时序特性,进而提高预测精度。所提模型具有较好的精度和适应性,可为大坝变形预测提供一种有效方法。
-
关键词
混凝土大坝变形预测
k调和均值算法
麻雀优化算法
自适应噪声完备集合经验模态分解
长短期记忆模型
-
Keywords
concrete dam deformation
k-harmonic mean algorithm
sparrow search algorithm
complete ensemble empirical mode decomposition with adaptive noise
long short-term memory
-
分类号
TV698.1
[水利工程—水利水电工程]
-