基于HHO-QRNN模型的大坝变形预测方法

李天翔; 王峰; 刘革瑞

doi:10.20040/j.cnki.1000-7709.2024.20230851

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于HHO-QRNN模型的大坝变形预测方法

更新时间：2026-02-25

- 基于HHO-QRNN模型的大坝变形预测方法
- Issue 5, Pages: 117-120+116(2024)
- 作者机构：
  
  1. 太原理工大学电子信息与光学工程学院
  2. 山西省水利厅
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20230851
  CLC： TV698.11;TP18
- Published：2024
- 稿件说明：
移动端阅览
李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 2024, (5): 117-120+116.
DOI：

李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 2024, (5): 117-120+116. DOI： 10.20040/j.cnki.1000-7709.2024.20230851.

摘要

为有效利用大坝位移数据集中的真实信息，提高预测模型精准度，缩减建模分析训练时间，提出基于卡尔曼滤波算法、完全噪声辅助聚合经验模态分解和准循环神经网络的大坝位移预测方法。首先，模型采用卡尔曼滤波算法对原始输入数据进行处理，提取行有效信息，消除观测噪声影响；其次，设计一种信号分解算法，从累计位移值提取出趋势项、周期项和随机项数据集，以分离不同诱发因素对于大坝位移量的影响；最后，提出一种基于改进哈里斯鹰算法优化准循环神经网络的位移预测算法，对不同数据集分别采用此算法建模预测，将预测结果对应叠加得到最终预测结果。以某水库大坝的历史位移观测数据集为例，将所提模型与其他传统预测模型进行对比分析，结果表明，该模型预测精度和训练速度等方面均有显著提升，验证了其可行性和先进性。

Abstract

关键词

Keywords

references

曹梦茜,郑东健.基于FCM-WOA-LSTM的大坝变形预测模型及其应用[J].水电能源科学,2023(05).

向镇洋,包腾飞,白妍丽,宋宝钢,王瑞婕.基于混合注意力机制和深度学习的大坝变形预测模型[J].水利水电科技进展,2023(02).

袁维,孙瑞峰,钟辉亚,焦海明,胡惠华,林杭.阶跃型滑坡综合变形预测及监测预警方法研究[J].水利学报,2023(04).

邓思源,周兰庭,柳志坤.基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法[J].水利水电科技进展,2022(05).

罗璐,李志,张启灵.大坝变形预测的最优因子长短期记忆网络模型[J].水力发电学报,2023(02).

周仁练,苏怀智,韩彰,徐朗,刘明凯.混凝土坝变形的长期预测模型与应用[J].水力发电学报,2021(09).

张凯,张科,保瑞,刘享华,齐飞飞.基于优化经验模态分解和聚类分析的滑坡位移智能预测研究[J].岩土力学,2021(01).

徐佳成,杜景灿,周家骢,张宗玟.现行水电行业标准隐存的梯级水库大坝群风险分析[J].水力发电学报,2014(05).

Views

100

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

基于RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定

基于多尺度下复杂因子提取和CNN改进时序深度学习架构的大坝变形预测

基于CNN-LSTM模型的城市洪水二维时空预测研究

室内和现场试验联合本构参数智能标定在土石坝变形预测中的应用

Related Author

宋华涛

李红文

岳金文

钟聚光

荣卓

谭炜

徐斌

都旭煌

Related Institution

四川省紫坪铺开发有限责任公司

大连理工大学建设工程学院

中国电建集团中南勘测设计研究有限公司

国网新源集团有限公司湖南分公司

湖北省智慧水电技术创新中心

AI问答

⁰