基于LSTM-Arima的大坝变形组合预测模型及其应用

• 作者: 包腾飞 张静缨 杨晨蕾 胡安玉
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 大坝变形预测 长短期记忆网络(LSTM) Arima模型 LSTM-Arima组合模型 预测精度
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 工程安全与灾害防治
• 页码范围: 64-68,75
• 页数: 6页
• 分类号: TV698.1
• 语种: 中文
• DOI: 10.11988/ckyyb.20190831

摘要

大坝变形是水压、温度等多种因素综合作用的结果,变形监测数据是非平稳非线性的时间序列,并且在时间维度上具有关联性.为充分挖掘变形监测数据在长短时间跨度上的关联性,提出了应用长短期记忆网络(LSTM)预测大坝变形的方法.为进一步提升预测精度,利用自回归差分移动平均模型(Arima)对预测残差进行误差修正,从而建立基于LSTM-Arima的大坝变形组合预测模型.以某混凝土重力坝为例,将组合模型的预测结果与Arima模型、支持向量机(SVM)的预测结果进行对比分析.结果表明LSTM-Arima的预测结果优于Arima模型和SVM的预测结果,LSTM-Arima的均方根误差(RMSE)比Arima模型和SVM分别降低了40.65％和59.00％,平均绝对误差(MAE)分别降低了35.49％和55.60％,表明LSTM-Arima模型具有较高的预测精度.研究成果对于更精确地开展大坝变形预测有一定参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	包腾飞		81	244	8.0	12.0
2	胡安玉		1	0	0.0	0.0
3	杨晨蕾		2	0	0.0	0.0
4	张静缨		1	0	0.0	0.0