基于Inception-GRU注意力深度学习的混凝土坝变形预测模型

作     者：宋蕾 雷兆星 

作者机构：南昌工学院建筑与环境工程学院 南昌大学工程建设学院 

出 版 物：《水利水电科技进展》 (Advances in Science and Technology of Water Resources)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 081504[工学-水利水电工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0815[工学-水利工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：混凝土坝 变形预测 深度学习 Inception模块 门控循环单元(GRU) 

摘      要：针对现有基于经典线性回归方法或浅层机器学习技术的混凝土坝变形预测模型在提取环境量因子复杂特征与学习变形-环境量长期依赖关系上的不足，本文提出了一种基于Inception模块与门控循环单元（Gate Recurrent Unit，GRU）网络的注意力深度学习变形预测模型IGRU。该模型综合运用了Inception模块的特征提取能力和GRU的长期依赖性学习能力，可从不同尺度提取大坝环境量监测序列的特征并捕获大坝变形的长期变化模式。同时，通过引入注意力机制，降低了学习多种环境因子特征时的模型过拟合风险。以某特高混凝土双曲拱坝工程为应用实例，结果表明所提出的模型在典型监测点的预测性能都优于其他常用的浅层或深度学习模型，为工程变形行为预测提供了新的方法。