基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型

包振东; 徐海峰; 胡锦; 刘永涛; 包丽娜

doi:10.20040/j.cnki.1000-7709.2026.20251779

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型

更新时间：2026-09-10

- 基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型
- Vol. 44, Issue 3, Pages: 142-146+141(2026)
- 作者机构：
  
  1. 江苏禹数信息技术有限公司
  2. 南京市水利规划设计院股份有限公司
  3. 南京水利科学研究院
  4. 河海大学水利水电学院
  5. 水利部国际小水电中心
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251779
  CLC： TV698.11
- Published：2026
- 稿件说明：
移动端阅览
包振东, 徐海峰, 胡锦, et al. 基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型[J]. 2026, 44(3): 142-146+141.
DOI：

包振东, 徐海峰, 胡锦, et al. 基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型[J]. 2026, 44(3): 142-146+141. DOI： 10.20040/j.cnki.1000-7709.2026.20251779.

摘要

针对大坝位移预测中传统方法难以处理长时间序列的问题，提出一种融合黄金正余弦改进粒子群算法(GDPSO)、长短时记忆网络(LSTM)、自注意力机制(attention)与分位数回归(QR)的GDPSO-LSTM-attention-QR区间智能预测模型。通过引入自注意力机制增强LSTM对全局依赖关系的捕捉能力，并采用GDPSO优化超参数，构建高精度点预测模型GDPSO-LSTM-attention

进一步结合QR量化模型不确定性，实现位移的区间预测。实例应用结果表明，所提模型在精度与趋势跟踪方面均优于对比模型，且可有效量化预测的不确定性，为智慧水利数字孪生平台的“四预”建设提供基础支撑。

Abstract

关键词

Keywords

references

付思韬,赖宇杰,顾冲时,顾昊.基于EEMD-AFSA-CNN的混凝土坝变形预测模型[J].水利水电科技进展,2026(01).

王自赟,刘萍先,陈天荣,蔡竞标,纪海波,邓小珍.基于IGA-LSTM的大坝变形预测模型研究[J].水电能源科学,2025(06).

朱岸锋,赵前程,周凌,杨天龙,阳雪兵.基于CNN-LSTM-Attention的风电机组状态监测与健康评估[J].振动.测试与诊断,2025(02).

张建辉,滕婕,李秀慧,谭庄熙.基于气象特征和改进Transformer的光伏功率短期预测[J].热能动力工程,2024(08).

陈羡濠,胡昱,王亚军,朱学舟.大坝变形极端梯度提升区间预测模型应用研究[J].水力发电学报,2024(10).

牛甲俊,张薇,许达明.基于FCM和ITransformer-TCN的短期风电集群功率预测[J].东北电力大学学报,2024(01).

张龙威,刘小生,刘相杰.基于BES-BiLSTM的混凝土坝变形预测[J].水电能源科学,2023(09).

张石,郑东健.基于MA-RF的混凝土坝变形预测模型及其应用[J].水电能源科学,2022(12).

张石,郑东健,陈卓研.基于改进PSO-RF算法的大坝变形预测模型[J].水利水电科技进展,2022(06).

欧斌,吴邦彬,袁杰,李淑芳.基于LSTM的混凝土坝变形预测模型[J].水利水电科技进展,2022(01).

Prakash Guru,Dugalam Revanth,Barbosh Mohamed,Sadhu Ayan.Recent advancement of concrete dam health monitoring technology: A systematic literature review[J].Structures,2022.

Yaoyao He,Rui Liu,Haiyan Li,Shuo Wang,Xiaofen Lu.Short-term power load probability density forecasting method using kernel-based support vector quantile regression and Copula theory[J].Applied Energy,2017.

Hanson Jack,Yang Yuedong,Paliwal Kuldip,Zhou Yaoqi.Improving protein disorder prediction by deep bidirectional long short-term memory recurrent neural networks.[J].Bioinformatics (Oxford, England),2017.

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.

Views

145

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于多测点信息与残差修正的混凝土坝小样本位移组合预测模型

基于SVMD去噪与优化SA-GRU的大坝渗压组合预测方法

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RIME-LSTM-Transformer的混凝土坝变形预测模型

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

Related Author

王亚坤

李艺

刘成栋

杨敏芝

刘凯峰

梁稣

熊水玲

张诗媛

Related Institution

长江科学院重庆分院

上海勘测设计研究院有限公司

中国长江三峡集团有限公司

湖北省智慧水电技术创新中心

国家能源局大坝安全监察中心

AI问答

⁰