首页|基于SSA-LSTM-GF的混凝土坝变形预测方法

基于SSA-LSTM-GF的混凝土坝变形预测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了 一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法.SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果.实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值.
Deformation prediction method of concrete dam based on SSA-LSTM-GF

周兰庭、邓思源、柳志坤、龚云柱

展开 >

河海大学水利水电学院,江苏南京 210098

青岛市发展和改革委员会动能转换推进处,山东青岛 266000

青岛市经济发展研究院,山东青岛 266000

华能澜沧江水电股份有限公司,云南昆明 650214

展开 >

混凝土坝 变形预测 序列分解 奇异谱分析法 LSTM模型 GF算法

国家自然科学基金国家自然科学基金

5120907851739003

2023

10.3876/j.issn.1000-1980.2023.02.010

河海大学学报(自然科学版)
河海大学

河海大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.803
ISSN：1000-1980
年,卷(期)：2023.51(2)
  • 4
  • 25