基于LSTM-Arima的大坝变形组合预测模型及其应用
大坝变形是水压、温度等多种因素综合作用的结果,变形监测数据是非平稳非线性的时间序列,并且在时间维度上具有关联性.为充分挖掘变形监测数据在长短时间跨度上的关联性,提出了应用长短期记忆网络(LSTM)预测大坝变形的方法.为进一步提升预测精度,利用自回归差分移动平均模型(Arima)对预测残差进行误差修正,从而建立基于LSTM-Arima的大坝变形组合预测模型.以某混凝土重力坝为例,将组合模型的预测结果与Arima模型、支持向量机(SVM)的预测结果进行对比分析.结果表明LSTM-Arima的预测结果优于Arima模型和SVM的预测结果,LSTM-Arima的均方根误差(RMSE)比Arima模型和SVM分别降低了40.65%和59.00%,平均绝对误差(MAE)分别降低了35.49%和55.60%,表明LSTM-Arima模型具有较高的预测精度.研究成果对于更精确地开展大坝变形预测有一定参考价值.
大坝变形预测、长短期记忆网络(LSTM)、Arima模型、LSTM-Arima组合模型、预测精度
37
TV698.1(水利枢纽、水工建筑物)
国家重点研发计划项目;国家自然科学基金项目
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
64-68,75