基于深度置信网络的大坝变形预测研究

• 作者: 李冰 徐笑笑
• 来源期刊: 矿山测量
• 学科: 地球科学
• 关键词: 大坝变形 变形预测 神经网络 深度置信网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 测量技术
• 页码范围: 28-31,69
• 页数: 5页
• 分类号: P258
• 语种: 中文
• DOI: 10.3969/j.issn.1001-358X.2022.01.008

摘要

针对大坝变形预测模型精度不高、特征提取能力差等问题,构建基于深度置信网络(DBN)的预测模型,以官地水电站2012～2016年的变形数据为例,实现大坝变形后10期的准确预测.结果表明,DBN模型三项评价指标分别为0.23 mm、0.30 mm、7.09％,显著优于其他比较模型,能够更加准确预测大坝变形,为大坝变形预测提供一种新的方法.