基于CNN-LSTM的大坝变形组合预测模型研究OACSTPCD
Research on Deformation Prediction Method of Concrete Face Rockfill Dam Based on CNN-LSTM
为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks,CNN)与深度学习长短期记忆(Long short-term memory,LSTM)神经网络的组合预测模型 CNN-LSTM.该模型先利用CNN提取大坝变形监测时间序列的特征,再利用 LSTM 生成特征描述,该模型精度高、泛化能力强.以柏叶口水库混凝土面板堆石坝为例,经过 CNN-LSTM 模型计算,将模型变形预测值与…查看全部>>
In order to improve the accuracy and generalization ability of dam deformation prediction models a neural network combination prediction model CNN-LSTM is established based on the convolutional neural networks (CNN) and the deep learning long short-term memory.In this model the CNN is firstly used to extract the features of dam deformation monitoring time series and then the LSTM is used to generate the feature description.This model has high accuracy and st…查看全部>>
王润英;林思雨;方卫华;赵凯文
河海大学水利水电学院, 江苏 南京 210024河海大学水利水电学院, 江苏 南京 210024水利部南京水利水文自动化研究所, 江苏 南京 210012||水利部水文水资源监控工程技术研究中心, 江苏 南京 210012河海大学水利水电学院, 江苏 南京 210024
水利科学
大坝变形卷积神经网络LSTM 神经网络变形预测预测精度柏叶口水库
dam deformationconvolutional neural network (CNN)LSTM neural networkdeformation predictionBaiyekou Face Rockfill Dam
《水力发电》 2024 (1)
37-41,52,6
评论