大坝变形GA-LSTM组合预测模型研究 |
| |
引用本文: | 刘丹,吕倩,胡少华,李墨潇.大坝变形GA-LSTM组合预测模型研究[J].安全与环境学报,2023(7):2246-2253. |
| |
作者姓名: | 刘丹 吕倩 胡少华 李墨潇 |
| |
作者单位: | 1. 武汉理工大学中国应急管理研究中心;2. 武汉理工大学安全科学与应急管理学院;3. 国家大坝安全工程技术研究中心 |
| |
基金项目: | 国家自然科学基金项目(51979208);;国家“十三五”重点研发计划重点专项项目(2017YFC0804608); |
| |
摘 要: | 为监测大坝运行过程中的异常状态,防范化解大坝溃坝等重大风险,基于大坝变形大样本、非线性监测数据,引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测,以测试样本的均方根误差最小为适应度函数,采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数,建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析,并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明,GA-LSTM模型的预测效果和性能更佳,且相较于LSTM模型和GRU模型各测点预测误差均有减小,平均绝对误差减小量最高达6.92%。
|
关 键 词: | 安全工程 大坝变形 长短期记忆神经网络 遗传算法 预测性能 参数优化 |
|
|