10.3969/j.issn.0559-9342.2024.01.008
基于CNN-LSTM的大坝变形组合预测模型研究
为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks,CNN)与深度学习长短期记忆(Long short-term memory,LSTM)神经网络的组合预测模型 CNN-LSTM.该模型先利用CNN提取大坝变形监测时间序列的特征,再利用 LSTM 生成特征描述,该模型精度高、泛化能力强.以柏叶口水库混凝土面板堆石坝为例,经过 CNN-LSTM 模型计算,将模型变形预测值与原型监测资料进行对比,再与 LSTM 模型及 CNN模型的预测结果进行对比.结果表明,CNN-LSTM 模型预测值最接近监测资料实测结果.
大坝变形、卷积神经网络、LSTM 神经网络、变形预测、预测精度、柏叶口水库
50
TV698.1(水利枢纽、水工建筑物)
2024-01-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
37-41,52