基于CNN-Attention-LSTM的大坝变形预测模型OA北大核心CSTPCD
【目的】预测大坝变形以规避风险是大坝变形监测的重点,一个可靠的预测模型可以洞察大坝未来变形趋势。为了更好地预测大坝的变形,提高预测精度和计算效率,【方法】提出了一种基于卷积神经网络(CNN)、注意力机制(Attention)和长短时记忆网络(LSTM)的大坝监测模型。CNN从监测数据中提取特征,LSTM更好地从时间序列数据中学习,并在此CNN-LSTM模型的基础上,耦合深度学习算法Attention机制,突出特征对输入效果的影响,在不影响模型精度…查看全部>>
施彦彤;郑东健;赵汉;周新新
河海大学水利水电学院,江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098河海大学水利水电学院,江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098河海大学水利水电学院,江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098河海大学水利水电学院,江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098
水利科学
变形预测卷积神经网络长短时记忆网络注意力机制影响因素
《水利水电技术（中英文）》 2024 (9)
P.121-132,12
国家自然科学基金项目(52179128)。
评论