1. 中国电建集团西北勘测设计研究院有限公司
2. 西安理工大学水利水电学院
Published:2025
移动端阅览
[J]. 2025, (9): 95-100.
DOI:
[J]. 2025, (9): 95-100. DOI: 10.26963/j.psce.2025.09011.
大坝是水电站核心的挡水建筑物,大坝变形规律的精准监控是保障水电站安全的重要手段。针对大坝变形非线性强的特点以及监控模型参数影响的问题,融合先进深度学习和仿生优化算法,利用蜜獾优化算法(honey badger optimization algorithm
HBA)对深度学习门控制循环单元(gated recurrent unit
GRU)模型的超参数进行优化,建立HBA-GRU组合模型应用于水电站大坝变形监控预测。通过某水电站面板堆石坝变形监测数据实证结果显示,提出的组合模型在保持较高预测准确性的同时展现出良好的泛化性能,可为同类型水电站工程安全监控模型的构建提供有效技术支撑。
胡德秀,屈旭东,杨杰,程琳,常梦.基于M-ELM的大坝变形安全监控模型[J].水利水电科技进展,2019(03).
崔相辉,谢剑锋,张丰,丁琳,李增顺,郝震寰,刘勇,赵起超.基于深度学习的PM2.5预测模型建立[J].北京测绘,2017(06).
戴礼荣,张仕良.深度语音信号与信息处理:研究进展与展望[J].数据采集与处理,2014(02).
吴中如,陈波.大坝变形监控模型发展回眸[J].现代测绘,2016(05).
张璘,杨丰墒.基于深度学习的图像分类搜索系统[J].电子技术应用,2019(12).
郭张军,黄华东,屈旭东.基于深度学习的大坝变形预测模型[J].水电能源科学,2020(03).
施俊,汪琳琳,王珊珊,陈艳霞,王乾,魏冬铭,梁淑君,彭佳林,易佳锦,刘盛锋,倪东,王明亮,张道强,沈定刚.深度学习在医学影像中的应用综述[J].中国图象图形学报,2020(10).
杨恒,岳建平,邢尹,周钦坤.基于深度全连接神经网络的大坝变形预测研究[J].大地测量与地球动力学,2021(02).
张进,牛志伟,齐慧君,晁阳.K-means++和LSTM模型在大坝监测资料分析中的应用[J].三峡大学学报(自然科学版),2021(04).
宋洋,杨杰,宋锦焘,程琳.基于CEEMDAN-PE-LSTM的混凝土坝变形预测[J].水利水运工程学报,2021(03).
任秋兵,李明超,沈扬,李明昊.耦合时空相关特性的大坝变形动态监控模型[J].水力发电学报,2021(10).
苏燕,付家源,林川,陈泽钦,翁锴亮,张挺.基于时间注意力机制的大坝动态变形预测模型[J].水力发电学报,2022(07).
周兰庭,邓思源,柳志坤,龚云柱.基于SSA-LSTM-GF的混凝土坝变形预测方法[J].河海大学学报(自然科学版),2023(02).
王晓玲,梁羽翎,王佳俊,吴斌平,张宗亮,黄青富.耦合注意力机制大坝变形改进LSTM序列到序列预测模型[J].天津大学学报(自然科学与工程技术版),2023(07).
令宁,安旺成,周芸,蒋紫微,李帅兵.基于HBA-SVR的光伏发电量预测模型研究[J].电气应用,2023(02).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution