基于CEEMDAN-CNN-GRU-LSTM的边坡变形预测模型
作者机构：河海大学水利水电学院 水文水资源与水利工程科学国家重点实验室 江苏省水利科学研究院
出 版 物：《武汉大学学报(工学版)》 (Engineering Journal of Wuhan University)
年 卷 期：2024年
核心收录：
学科分类：08[工学] 0815[工学-水利工程] 081503[工学-水工结构工程]
主 题：边坡预测 自适应噪声完备集合经验模态分解 卷积神经网络 门控循环单元 长短期记忆神经网络 残差分析
摘 要：为提高边坡位移变形预测精度，针对边坡变形的突变性和复杂性，首先采用自适应噪声完备集合经验模态分解将初始边坡位移变形序列分解为多个平稳的子序列；其次，通过卷积网络进一步挖掘子序列时序特征，利用门控循环单元对重构的子序列进行预测；然后，运用长短期神经网络对产生的残差序列进行训练，得到残差预测值；最后集成初始预测值和残差预测值，得到最终预测结果。根据某水电站边坡的分析结果，本文提出的预测模型较于其他模型具有较高的拟合度和较低的预测误差，能够更精确地预测边坡变形。
同方期刊数据库