基于NTO-CNN-LSTM的面板堆石坝变形预测模型研究  

作　　者：黄金源 

机构地区：[1]广东省罗定市分界镇罗光水库工程管理处,广东罗定527200

出　　处：《水利科技与经济》2025年第4期98-103,共6页Water Conservancy Science and Technology and Economy

摘　　要：为了提升混凝土面板堆石坝变形预测精度,研究提出一种将北方苍鹰优化(NTO)算法、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)融合的NTO-CNN-LSTM混凝土面板堆石坝变形预测模型。首先对所采集的大坝水平位移数据进行预处理,然后利用CNN对预处理后的数据进行特征提取,最后将CNN学习到的特征输入到LSTM中,同时利用NTO对LSTM的超参数进行优化选取。选取甘肃省内某混凝土面板堆石坝2020年5月30日至2022年4月19日期间的变形数据进行分析,结果表明,NTO-CNN-LSTM预测模型的精度高于LSTM和CNN-LSTM模型,预测结果与实际情况较吻合。

关 键 词：面板堆石坝 变形预测 卷积神经网络 长短期记忆神经网络 北方苍鹰优化算法 

分 类 号：TV698[水利工程—水利水电工程]