大坝变形预测的最优因子长短期记忆网络模型

作     者：罗璐 李志 张启灵 LUO Lu;LI Zhi;ZHANG Qiling

作者机构：长江科学院工程安全与灾害防治研究所武汉430010 长江科学院水利部水工程安全与病害防治工程技术研究中心武汉430010 长江科学院国家大坝安全工程技术研究中心武汉430010 

出 版 物：《水力发电学报》 (Journal of Hydroelectric Engineering)

年 卷 期：2023年第42卷第2期

页      面：24-35页

核心收录：

学科分类：0710[理学-生物学] 081504[工学-水利水电工程] 0808[工学-电气工程] 08[工学] 0807[工学-动力工程及工程热物理] 0815[工学-水利工程] 0802[工学-机械工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：中央级公益性科研院所基本科研业务费项目(CKSF2019562/GC) 

主　　题：大坝变形 变量选择 最小绝对值收缩和选择算子算法 长短期记忆 预测模型 

摘      要：面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子(least absolute shrinkage and selection operation,LASSO)变量选择和长短期记忆(long short-term memory,LSTM)网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差(MAE)、均方误差(MSE)与均方根误差(RMSE)均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。