首页|考虑变量滞后性的LSTM大坝变形安全监控预测模型

考虑变量滞后性的LSTM大坝变形安全监控预测模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为进一步提升大坝变形的预测精度,充分反映外部环境变量对大坝变形影响的滞后性,考虑影响大坝变形的变量时间滞后效应,利用长短期记忆(long short-term memory,LSTM)网络算法,提出一种考虑变量滞后性的改进LSTM的大坝变形预测模型.将输入数据分为通过LSTM存储块的延迟变量和不通过存储块的无延迟变量,使模型在物理解释上更合理;为提高预测模型的非线性表达能力,增加第二个隐藏层,使时间效应量等无延迟变量在最后一个时间步可直接使用,不需进行复杂的转换形成原始输入时所需的子序列;结合具体案例计算验证改进模型的可靠度和精度.结果表明:改进LSTM模型的平均绝对误差(MAE)、均方误差(MSE)较LSTM模型分别降低了11.94％,25.60％,具有更高的预测精度;改进模型的预测残差正负分布范围较LSTM模型小,预测值整体在实测值附近变化.改进LSTM模型的预测结果优于LSTM模型,能更合理地对大坝变形进行预测.
Prediction Model of LSTM Dam Deformation Safety Monitoring Considering Variable Hysteresis

郁怀光、顾冬、徐乐意、侯回位

展开 >

南京市水利规划设计院股份有限公司,江苏南京210000

西北勘测设计研究院有限公司,陕西西安710065

河海大学水利水电学院,江苏南京210098

大坝 变形预测 长短期记忆网络(LSTM) 安全监控

国家重点研发计划

2018YFC1508603

2023

10.12415/j.issn.1671-7872.22245

安徽工业大学学报(自然科学版)
安徽工业大学

安徽工业大学学报(自然科学版)

影响因子：0.428
ISSN：1671-7872
年,卷(期)：2023.40(1)
  • 10