基于剪枝优化CNN-LSTM混合模型在边坡位移预测中的应用

摘要：

位移是边坡失稳前最显著的特征.利用历史位移时序曲线,构建了CNN-LSTM混合预测模型,引入通道剪枝技术对模型进行压缩以简化网络结构.通过对某水泥厂边坡位移监测数据进行分析预测,实验结果表明,与LSTM、CNN、剪枝后的CNN和剪枝前的CNN-LSTM预测模型相比,剪枝后的混合模型不仅预测准确率提高,而且模型泛化能力增强.

关键词：边坡位移、通道剪枝、卷积神经网络、长短期记忆网络

所属期刊栏目：39

分类号：TP3-05(计算技术、计算机技术)

资助基金：国家自然科学基金项目;河北省自然科学基金重点项目;河北省高等学校科学技术研究项目

在线出版日期：2021-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：524-529