深度学习在坝体变形模型训练与预测中的应用  

Application of deep learning in dam deformation model training and prediction

作　　者：朱桂勇[1] 侯昊华[1] 刘昌伟 ZHU Guiyong;HOU Haohua

机构地区：[1]水利部海河水利委员会引滦工程管理局,天津300392 [2]清华大学,北京100084

出　　处：《水利技术监督》2024年第12期48-53,140,共7页Technical Supervision in Water Resources

摘　　要：文章以大黑汀水库混凝土重力坝为例,运用基于LSTM神经网络深度学习方法和变形HST模型对大坝水平位移监测数据进行模型训练及预测,对大坝故障测点、异常数据进行预测处理。根据训练预测结果对大坝运行状态以及变形影响因素进行分析。结果表明,经训练的模型在准确性、稳定性方面满足变形预测和管理需要。

关 键 词：LSTM神经网络 水平位移 HST模型 训练 预测 

分 类 号：TV642.3[水利工程—水利水电工程]