基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型

张芷玥; 郑浩然; 漆一宁; 苏怀智

doi:10.20040/j.cnki.1000-7709.2025.20241778

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型

更新时间：2026-02-25

- 基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型
- Issue 8, Pages: 147-151(2025)
- 作者机构：
  
  1. 黄河勘测规划设计研究院有限公司
  2. 河海大学水利水电学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20241778
  CLC： TP183;TV698.11
- Published：2025
- 稿件说明：
移动端阅览
张芷玥, 郑浩然, 漆一宁, et al. 基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型[J]. 2025, (8): 147-151.
DOI：

张芷玥, 郑浩然, 漆一宁, et al. 基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型[J]. 2025, (8): 147-151. DOI： 10.20040/j.cnki.1000-7709.2025.20241778.

摘要

变形监测数据通常存在复杂的非线性与潜在特征，提升混凝土坝变形预测精度对混凝土坝结构健康监测具有重要意义。针对混凝土坝变形序列存在非线性与非平稳的数据特征，引入时变滤波模态分解(TVFMD)对变形序列进行自适应分解，基于分解后的各本征模态分量的能量熵大小确定各模态分量的有效性，对含噪分量进行自适应阈值小波包降噪，最后进行重构以提高数据质量，进而构建了基于双向长短期记忆神经网络(BiLSTM)的混凝土坝变形预测模型。工程实例应用结果表明，所提模型相较于传统模型在各评价指标上均有提升，具有较好的实用价值。

Abstract

关键词

Keywords

references

董泳,刘肖峰,李云波,贾玉豪.基于EMD-EEMD-LSTM的大坝变形预测模型[J].水力发电,2022(10).

杨智中,林军志,汪魁,程梓益,刘攀.基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究[J].振动与冲击,2023(03).

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).

程小龙,张斌,刘相杰,刘陶胜.基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究[J].人民黄河,2024(01).

李双江,辛景舟,蒋黎明,刘水康,巴建明,周建庭.基于TVFEMD-IMF能量熵增量的桥梁监测数据降噪方法[J].振动.测试与诊断,2024(01).

周勇.PSO-BP模型在水库大坝变形预测分析中的应用研究[J].测绘与空间地理信息,2024(07).

魏博文,徐文博,袁冬阳,徐富刚.基于观测数据可靠性辨识与挖掘的混凝土坝位移时序预测方法[J].应用基础与工程科学学报,2024(04).

毛建刚,颜志光,阿尔娜古丽·艾买提,皮李浪.不同模态分解方法下LSTM模型大坝变形预测效果对比[J].四川水利,2024(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于RIME-LSTM-Transformer的混凝土坝变形预测模型

基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型

基于SSA-BP神经网络的抽蓄电站地下厂房围岩参数反演及变形预测

基于VMD-Self-attention-LSTM的水闸深基坑变形智能预测方法

基于PS-InSAR技术与M-LSTM的小型水库大坝及岸坡变形预测模型研究

Related Author

周明明

刘永涛

谭雪怡

王煜

周煜

王赫显

陈波

郭凌云

Related Institution

江苏省水利勘测设计研究院有限公司

南京水利科学研究院

江苏省水利工程科技咨询股份有限公司

南京市水利规划设计院股份有限公司

河海大学水灾害防御全国重点实验室

AI问答

⁰