-
题名基于SBO-LSTM的大坝变形预测模型
- 1
-
-
作者
何裕坤
晁阳
李同春
杰德尔别克·马迪尼叶提
-
机构
河海大学水利水电学院
水安全与水科学协同创新平台
新疆农业大学水利与土木工程学院
-
出处
《水利水电技术（中英文）》
北大核心
2024年第S01期78-86,共9页
-
基金
国家重点研发计划项目(2022YFC3005403)
国家自然科学基金项目(52309151)
+1 种基金
中国电建集团科技项目(DJ-ZDXM-2021-10)
江苏省卓越博士后计划(2022ZB191)
-
文摘
变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算法(SBO)来优化长短期记忆神经网络的混凝土坝变形预测模型(SBO-LSTM)。该方法首先通过高斯滤波和Symlet小波滤值两种方法对选定的监测数据进行统一的清洗、归一化、去噪等预处理;其次,借助SBO算法对长短期记忆神经网络模型的超参数进行寻优;最后对混凝土坝变形进行高精度预测并通过三种不同评价指标(MAE,RMSE,MAPE)对预测结果进行评价。以某混凝土坝为例并与传统优化算法对比分析,结果表明通过SBO算法优化后LSTM神经网络具有更高的预测精度和稳定性,综上,该预测模型为大坝变形监测数据分析与预测提供了一种新的可行方法。
-
关键词
大坝变形预测
长短期记忆神经网络
缎蓝园丁鸟优化算法
强化寻优策略
-
Keywords
dam deformation prediction
long short-term memory neural network
satin blue bowerbird optimization algorithm
strengthen the optimization strategy
-
分类号
TV213.4
[水利工程—水文学及水资源]
-
