基于VMD-AOA-BiLSTM的大坝变形预测模型

吕国旭; 陈波; 张孟昕; 刘伟琪

doi:10.20040/j.cnki.1000-7709.2025.20241707

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于VMD-AOA-BiLSTM的大坝变形预测模型

更新时间：2026-02-25

- 基于VMD-AOA-BiLSTM的大坝变形预测模型
- Issue 7, Pages: 148-152(2025)
- 作者机构：
  
  1. 河海大学水利水电学院
  2. 河海大学水灾害防御全国重点实验室
  3. 中国电建集团成都勘测设计研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20241707
  CLC： TV698.11
- Published：2025
- 稿件说明：
移动端阅览
吕国旭, 陈波, 张孟昕, et al. 基于VMD-AOA-BiLSTM的大坝变形预测模型[J]. 2025, (7): 148-152.
DOI：

吕国旭, 陈波, 张孟昕, et al. 基于VMD-AOA-BiLSTM的大坝变形预测模型[J]. 2025, (7): 148-152. DOI： 10.20040/j.cnki.1000-7709.2025.20241707.

摘要

混凝土坝变形监测数据反映了混凝土坝实时运行性态，充分挖掘变形数据特性是保证混凝土坝健康长效运行的重要手段。针对混凝土坝长期处于复杂环境中，其变形效应量常伴随非线性、周期性等复杂特征的问题，使用变分模态分解（VMD）将实测数据分解为若干个相异模态，采用小波阈值降噪剔除子信号中的噪声并挖掘变形数据特性，构建基于阿基米德优化算法（VOA）的双向长短期记忆网络（BiLSTM）的大坝变形预测模型，并采用平均绝对误差(M

MAE

)、均方误差(M

MSE

)、均方根误差(R

RMSE

)、决定系数（R

）等指标对模型进行评价。工程实例应用结果表明，基于VMD-AOA-BiLSTM的大坝变形预测模型相较于其他模型，在各指标上均有一定提升，且预测精度更高，在大坝安全监测方面有较好的实用价值。

Abstract

关键词

Keywords

references

吴中如编著.水工建筑物安全监控理论及其应用[M].高等教育出版社,2003.

郭庆辉,李媛,邢作霞.基于优化变分模态分解联合小波阈值的信号降噪方法[J].系统科学与数学,2025(06).

石佳晨,岳春芳,朱明远,皮李浪.改进小波阈值与优化BiLSTM组合的大坝变形预测方法[J].水力发电学报,2024(07).

常留红,李晨玉,曾子彬,尹光景,赵芃芃,薛雄.基于WOA-VMD-XGBoost的混凝土坝变形预测[J].水利水运工程学报,2024(03).

张亚林,李晓松.改进AOA结合贝塞尔曲线平滑的机器人路径规划[J].计算机工程与设计,2023(10).

曹梦茜,郑东健.基于EEMD-AEFA-LSTM的混凝土坝变形预测模型[J].水电能源科学,2023(09).

张孟昕,陈波,刘伟琪,漆一宁,张明.SSA-XGBoost与时空特征选取的大坝变形预测模型[J].水力发电学报,2024(01).

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).

顾冲时,苏怀智,刘何稚.大坝服役风险分析与管理研究述评[J].水利学报,2018(01).

Views

423

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于VMD的供水管道漏损检测研究

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

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

基于VMD-DBO-Stacking集成学习的盾构掘进速度预测模型

Related Author

郭瑞

徐量

王福生

李涵曼

李铁

何立新

管涌康

张峥

Related Institution

南京水利科学研究院水利部大坝安全管理中心

南京水利科学研究院水灾害防御全国重点实验室

淮安市水利勘测设计研究院有限公司

河北工程大学水利水电学院

河北省智慧水利重点实验室

AI问答

⁰