基于CNN-BiLSTM的特高拱坝变形预测模型

作     者：欧斌 张才溢 傅蜀燕 杨霖 陈德辉 杨石勇 OU Bin;ZHANG Caiyi;FU Shuyan;YANG Lin;CHEN Dehui;YANG Shiyong

作者机构：云南农业大学水利学院云南昆明650201 河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 云南省中小型水利工程智慧管养工程研究中心云南昆明650201 

出 版 物：《排灌机械工程学报》 (Journal of Drainage and Irrigation Machinery Engineering)

年 卷 期：2024年第42卷第10期

页      面：1031-1035,1043页

核心收录：

学科分类：082802[工学-农业水土工程] 08[工学] 0828[工学-农业工程] 09[农学] 0815[工学-水利工程] 0903[农学-农业资源与环境] 

基　　金：国家自然科学基金资助项目(52069029,52369026) 云南省教育厅科学研究基金资助项目(2023J0519) 

主　　题：混凝土拱坝 卷积神经网络 双向长短期记忆网络 预测模型 

摘      要：为提高特高拱坝的变形预测精度,提出了一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的大坝变形预测模型.该模型利用CNN捕捉数据之间的空间关系,进行特征提取,再将其输入到BiLSTM中进行时间维度上的演变规律考虑.通过特征融合和全连接层的拼接,得到更丰富和综合的特征表示,最终映射到预测输出层进行拱坝变形预测.以某拱坝为例,验证了CNN-BiLSTM模型在RMSE等评价指标上具有高精度和稳定性,为混凝土拱坝结构的安全监测提供了新的思路.