哈尔滨工程大学学报2023，Vol.44Issue(8) ：1270-1274.DOI:10.11990/jheu.202110005

基于卷积循环神经网络的混凝土坝变形预报

Concrete dam deformation prediction based on convolutional and recurrent neural network

蒋佳彤 李明伟 尚宪朝 耿敬
哈尔滨工程大学学报2023，Vol.44Issue(8) ：1270-1274.DOI:10.11990/jheu.202110005
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于卷积循环神经网络的混凝土坝变形预报

Concrete dam deformation prediction based on convolutional and recurrent neural network

蒋佳彤 1李明伟 2尚宪朝 3耿敬2
扫码查看

作者信息

  • 1. 黑龙江大学 水利电力学院,黑龙江 哈尔滨 150006
  • 2. 哈尔滨工程大学 船舶工程学院,黑龙江 哈尔滨 150001
  • 3. 海洋石油工程股份有限公司, 天津 300452
  • 折叠

摘要

针对混凝土坝变形量与变形因子之间作用机理的复杂性,本文结合深度学习网络对复杂特征信息挖掘的优势,建立基于CNN-GRU的混凝土坝变形预测模型.采用卷积神经网络对历史变形监测数据进行卷积以提取时间序列的特征,利用门控循环单元生成特征描述,进一步挖掘变形序列变化趋势,实现对混凝土坝的变形预测.基于实际监测数据研究表明:本文所提的方法获得了更高的预测精度,均方根误差达到 0.837 1,平均绝对误差达到0.604 9,平均绝对百分误差达到 9.47,在大坝变形监测中具有一定的优越性和实用性.

关键词

混凝土坝/变形预测/预测模型/卷积神经网络/门控循环单元/组合模型/预测精度/评价指标

Key words

concrete dam/deformation prediction/prediction model/convolutional neural network/gate recurrent unit/combination model/prediction accuracy/evaluation index

引用本文复制引用

基金项目

国家重点研发计划(2019YFB1504403)

黑龙江省青年人才项目(YQ2021E015)

出版年

2023
哈尔滨工程大学学报
哈尔滨工程大学

哈尔滨工程大学学报

CSTPCDCSCD北大核心
影响因子：0.655
ISSN：1006-7043
被引量2
参考文献量8
段落导航相关论文