基于剪枝优化CNN-LSTM混合模型在边坡位移预测中的应用
Slope Displacement Prediction Based on Pruning Optimized CNN-LSTM Hybrid Model作者机构：石家庄铁道大学电气与电子工程学院石家庄050043 河北金隅鼎鑫水泥有限公司石家庄050020
出 版 物：《河南科学》 (Henan Science)
年 卷 期：2021年第39卷第4期
页 面：524-529页
学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金项目(51674169) 河北省自然科学基金重点项目(F2019210243) 河北省高等学校科学技术研究项目(QN2019031,ZD2019140)
摘 要：位移是边坡失稳前最显著的特征.利用历史位移时序曲线,构建了CNN-LSTM混合预测模型,引入通道剪枝技术对模型进行压缩以简化网络结构.通过对某水泥厂边坡位移监测数据进行分析预测,实验结果表明,与LSTM、CNN、剪枝后的CNN和剪枝前的CNN-LSTM预测模型相比,剪枝后的混合模型不仅预测准确率提高,而且模型泛化能力增强.
维普期刊数据库
同方期刊数据库