大坝变形预测

作品数：163被引量：836H指数：17
导出分析报告
相关领域：水利工程天文地球更多>>
相关作者：包腾飞郑东健刘小生苏怀智刘立龙更多>>
相关机构：河海大学江西理工大学武汉大学桂林理工大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金广西壮族自治区自然科学基金水利部公益性行业科研专项国家教育部博士点基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于智能组合模型的大坝变形预测预报研究
《中国水利》2025年第2期65-72,共8页李双平 刘祖强 张斌 郑俊星 王华为 李永华 苏森南 
国家重点研发计划(2022YFC3005504)。
针对数字孪生水利工程大坝安全“四预”中预测预报的准确性和可靠性需求,提出智能组合模型系统方法。该方法通过深入分析大坝变形的多重影响因素,结合信号处理技术,智能地分离出主导性的大坝变形趋势分量。随后,采用智能算法精确匹配最...
关键词：智能组合模型 泛化能力 鲁棒性 大坝变形 预测预报 
SBL驱动的可解释性大坝变形区间预测模型
《水力发电学报》2025年第1期18-29,共12页陈斯煜 顾冲时 盛金保 谷艳昌 林潮宁 
国家自然科学基金项目(52309157,52309151);水利部水库大坝安全重点实验室开放研究基金(YK323007)。
变形是反映大坝结构性态的重要效应量。针对现有大坝变形预测中不确定性量化和模型可解释性欠佳的问题,本文综合考虑数据噪声和模型参数不确定性,提出了稀疏贝叶斯学习(SBL)驱动的大坝变形区间预测模型。借助并行Rao-3算法和交叉验证策...
关键词：大坝变形预测 区间预测 安全监控 稀疏贝叶斯学习 全局敏感度分析 可解释性 
基于改进式时序模型的塔村水库大坝变形预测研究
《水利技术监督》2025年第1期205-207,218,共4页胡泽华 
监测大坝变形以预防潜在风险是大坝安全监控的核心。为了准确预测大坝未来的变形趋势,本文提出一种改良的时序分析模型,该模型结合长短时记忆网络(LSTM),注意力机制(Attention)和双位置编码Transformer技术,用于塔村水库大坝监测。通过...
关键词：大坝变形预测 深度学习 循环-展开长短时记忆网络 TRANSFORMER 
基于TimeGAN和CNN-BiLSTM-Attention的大坝变形预测混合模型
《人民黄河》2024年第12期127-130,143,共5页原佳帆 李丹杨 李佳霖 秦学 毛鹏 
贵州省科技计划项目(黔科合支撑[2023]一般251);贵州省基础研究计划(自然科学)青年引导项目(黔科合基础[2024]青年095)。
基于历史数据的深度学习模型往往需要跨越数年的大量数据集,为了解决数据不足问题,提出一种将时间序列生成对抗性网络(TimeGAN)与CNN-BiLSTM-Attention相结合的混凝土面板堆石坝变形预测混合模型。首先,利用TimeGAN生成虚拟数据来扩展...
关键词：TimeGAN CNN BiLSTM ATTENTION 混凝土面板堆石坝 变形预测 
基于信号分解高频分量再处理策略的大坝变形预测方法
《水力发电》2024年第11期93-99,共7页余代广 方勇 周煜 
江苏省水利科技项目(2021068,2022011)。
准确预测大坝变形有助于掌握变形的变化规律和发展趋势,是保证大坝安全稳定运行的关键。由于大坝变形具有波动性,将给变形预测精度带来不利影响,为此,提出了基于信号分解技术的大坝变形预测方法。首先利用VMD方法将原始变形数据分解为...
关键词：大坝变形预测 信号分解 高频分量 再处理策略 VMD EMD LSTM 
基于CNN-LSTM-AM的大坝变形预测
《水电能源科学》2024年第10期158-161,157,共5页赖国梁 刘小生 
国家自然科学基金项目(42171437)。
为提高大坝变形预测模型的预测精度,以长短期记忆(LSTM)作为基础模型预测大坝变形,在LSTM网络层前加入卷积神经网络(CNN)卷积层,以卷积层中卷积核刻画数据的局部模式实现数据特征的深度挖掘,提取大坝变形多因素序列时空特征;LSTM网络层...
关键词：卷积神经网络 长短期记忆网络 注意力机制 大坝变形预测 预测精度 
基于SCSO-BIGRU的大坝变形预测
《北京测绘》2024年第10期1482-1486,共5页谢逸丰 
针对传统预测模型调参难度大及预测精度不够高的问题,本文将沙猫群算法(SCSO)和双向门控循环单元(BIGRU)引入到大坝变形分析中,通过SCSO对BIGRU模型的参数进行自动寻优,构建了一种基于SCSO-BIGRU的大坝变形预测模型。以某大坝垂直方向...
关键词：沙猫群优化算法 双向门控循环单元 大坝变形预测 预测精度 
基于优化变分模态分解的大坝变形组合预测模型:以丰满水电站为例
《科学技术与工程》2024年第26期11401-11408,共8页叶玉龙 张研 袁普龙 王峻峰 
广西自然科学基金(2020GXNSFAA159118);水利工程岩石力学广西高等学校高水平创新团队及卓越学者计划(202006);广西岩土力学与工程重点实验室(20-Y-XT-01)。
大坝的变形通常受到多种因素的影响,监测数据表现出一定的非平稳性和随机性,为提高大坝变形预测的精度,提出了基于优化变分模态分解的大坝变形组合预测模型。该模型首先采用粒子群优化算法(particle swarm optimization,PSO)寻找变分模...
关键词：大坝变形预测 变分模态分解 粒子群算法 时域卷积网络 长短时记忆网络 组合模型 
基于VMD-KSVD字典学习降噪的大坝变形预测
《大地测量与地球动力学》2024年第9期951-958,984,共9页柳磊 李登华 丁勇 
国家重点研发计划(2022YFC3005502);国家自然科学基金(51979174,U2240221)。
提出一种自适应变分模态分解和KSVD字典学习相结合的降噪算法。该方法对监测序列分解后的子序列进行降噪,同时考虑残差序列的特征,从而充分保留监测序列中的有效信息。以某大坝变形监测数据为例进行测试,结果表明,该方法能够较好地保留...
关键词：自适应变分模态分解 KSVD 字典学习 变形预测 大坝安全监测 
基于关键变量和SVM交叉验证改进的LSTM大坝变形预测被引量：1
《河南科学》2024年第9期1307-1314,共8页杨振亚 王正新 高剑峰 
2021年江苏省水利科技项目(2021068);2022年江苏省水利科技项目(2022011)。
为了提升大坝变形预测精度,更好地对未来大坝运行状态进行评估,提出了基于显著变量和自相关分析优化长短期记忆神经网络(LSTM)的大坝变形多步预测方法.该方法首先基于随机森林(RF)确定对变形影响程度高的关键变量,同时基于SVM交叉验证...
关键词：大坝变形预测 随机森林 自相关分析 交叉验证 LSTM 
全选清除导出
共16页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部