基于CNN-LSTM的大坝变形组合预测模型研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

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

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

水力发电

0559-9342

11-1845/TV

50

2024,50(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn