基于注意力机制与深度学习的混凝土坝变形预测模型OA
大坝变形预测对于掌握未来变形趋势和识别潜在隐患有重要作用,是保障大坝安全运行的关键。为提高混凝土坝变形预测精度,将注意力机制、深度学习及优化算法融合,提出一种组合预测模型。首先,注意力机制从特征和时间2个维度对输入进行加权以全面加强模型对重要信息的关注,然后,双向长短期记忆网络从2个方向建立变形数据的时间依赖关系,模型中对性能有关键影响的超参数通过麻雀搜索算法进行自动寻优以减少人为预设的主观影响。以某长期服役的高拱坝径向位移数据作为研究对象,结果表明,该方法能够准确预测位移变化趋势,相较于深度学习和非深度学习对比方法的预测性能更好,RMSE和MAE相较于次优方法分别降低了10.73%和4.37%。研究可为相关水利工程的变形预测提供新的思路。
张宏瑞;曹昕;江超;祖安君;许鸣祥
南京水利科学研究院,江苏南京210098南京水利科学研究院,江苏南京210098 水利部大坝安全管理中心,江苏南京210098南京水利科学研究院,江苏南京210098 水利部大坝安全管理中心,江苏南京210098南京水利科学研究院,江苏南京210098 水利部大坝安全管理中心,江苏南京210098南京水利科学研究院,江苏南京210098
建筑与水利
大坝变形预测注意力机制深度学习长短期记忆网络麻雀优化算法
《人民珠江》 2026 (2)
P.109-117,9
国家重点研发计划(2022YFC3005404)中央级公益性科研院所基本科研业务费专项资金(Y725004)南京水利科学研究院研究生学位论文基金(Yy725005)。
评论