基于长短期记忆网络的黄河小浪底水库高斜心墙堆石坝沉降预测模型及其预测精度分析

• 作者: 王亚坤 傅志敏 苏正洋
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 神经网络 土石坝沉降 预测 长短期记忆网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 大坝安全与监测|DAM SAFETY AND MONITORING
• 页码范围: 110-113
• 页数: 4页
• 分类号: TV641|TV698.11
• 语种: 中文

摘要

针对黄河小浪底水库高斜心墙堆石坝沉降预测精度低,无法准确反映大坝运行性态等问题,基于黄河小浪底水利枢纽主坝沉降监测数据,引入长短期记忆网络(LSTM)方法建立高斜心墙堆石坝沉降预测模型对主坝沉降进行预测,并对不同损失函数下模型优化过程进行分析,最终选定平均绝对误差作为损失函数.预测结果表明,LSTM方法各项指标结果均优于随机森林算法和BP神经网络算法,可实现高精度预测大坝运行性态,具有较高实用性,可为水库大坝沉降预测及工程运行管理提供借鉴和参考.