基于AAFSA-LSTM的大坝变形预测模型

• 作者: 杨宗仁 杨凯 王健
• 来源期刊: 水利与建筑工程学报
• 学科: 工学
• 关键词: 大坝变形预测 人工鱼群算法 长短时记忆网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 水利水电工程
• 页码范围: 98-102,176
• 页数: 6页
• 分类号: TV314
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1144.2022.01.015

摘要

对大坝变形情况进行预测,明确大坝的实际状况是保证其长期安全稳定运行的关键之一,目前研究中普遍存在预测精度不足以满足实际需求的问题.为此,将长短时记忆网络(Long and Short-term Memory Network,LSTM)模型引入大坝变形预测的研究,并利用自适应人工鱼群算法(Adaptive Artificial Fish School Algorithm,AAFSA)对模型的参数进行优化,以实际工程的数据对模型进行了实例验证,并将该模型与LSTM模型的性能进行对比,结果表明,优化后模型的平均绝对误差、平均相对误差、平均绝对百分比误差、均方根误差以及拟合度分别为0.2259、0.0316、0.2892、0.0547以及94.51％,即优化后的模型预测精度最高且误差最小,稳定性最好,从而为大坝的安全分析提供了新的借鉴.