融合动态图卷积与时序卷积的多序列渗流压力预测方法研究

程正飞; 吴国华; 喻葭临; 蒲国庆; 余红玲

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

融合动态图卷积与时序卷积的多序列渗流压力预测方法研究

水工建筑 | 更新时间：2026-01-16

- 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究
- 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究
- 水力发电 2026年52卷第1期页码：74-80
- 作者机构：
  
  1. 水电水利规划设计总院
  2. 天津大学水利工程智能建设与运维全国重点实验室
  3. 四川华电泸定水电有限公司
  4. 中国农业大学水利与土木工程学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TV641;TV698.12
- 纸质出版：2026
- 稿件说明：
移动端阅览
程正飞, 吴国华, 喻葭临, 等. 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究[J]. 水力发电, 2026,52(1):74-80.

程正飞, 吴国华, 喻葭临, et al. 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究[J]. 2026, 52(1): 74-80.
程正飞, 吴国华, 喻葭临, 等. 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究[J]. 水力发电, 2026,52(1):74-80. DOI：

程正飞, 吴国华, 喻葭临, et al. 融合动态图卷积与时序卷积的多序列渗流压力预测方法研究[J]. 2026, 52(1): 74-80. DOI：

摘要

渗流状态变化直接关系到土石坝工程长期运行安全。为提升渗流压力变化趋势的感知与预警能力，提出一种融合动态图卷积与时序卷积的多序列渗流压力预测方法。通过滑动相关性构建动态邻接矩阵，刻画监测点间时变空间依赖，结合图卷积网络(GCN)提取结构性特征，并引入时序卷积网络(TCN)捕捉长时依赖，实现渗流趋势精准预测。最后，基于西南某大型土石坝多年实测的渗流压力监测数据，设计多组实验对比验证得到，动态图结构提升模型性能约18%;TCN替换为多层感知机(MLP)后MAE增至1.26

MAPE升至9.59%

验证了TCN在捕捉时序依赖中的关键作用。

Abstract

关键词

Keywords

references

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).

王晓玲,李克,张宗亮,余红玲,孔令学,陈文龙.耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型[J].水利学报,2022(04).

王晓玲,朱开渲,余红玲,蔡志坚,王成.考虑时空相关性的大坝渗压组合深度学习预测模型[J].水力发电学报,2023(11).

覃日升,张辰,马月,李颛,彭偲达,孙国芳.基于多神经网络混合模型的10 kV配电台区低电压中长期预测[J].云南电力技术,2024(06).

杨石勇,傅蜀燕,赵定柱,高兰兰,欧斌.基于EEMD-WOA-SVM的土石坝渗流量预测[J].三峡大学学报(自然科学版),2024(05).

卢明亮,陈建军,蓝嘉萍,樊树海.拓展型自适应指数加权移动平均控制图的设计[J].工业工程与管理,2025(03).

朱佾.基于GNN图神经网络的城市轨道交通流量预测优化[J].交通科技与管理,2025(03).

苏晓军,许增光,张野,康心语,周涛,杨淘,黎康平.基于深度学习模型的混凝土坝变形预测研究[J].人民黄河,2025(07).

Juan Mata,António Tavares de Castro,José Sá da Costa.Constructing statistical models for arch dam deformation[J].Structural Control and Health Monitoring,2014.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

土石坝管涌演化进程中渗流-温度场模拟分析

基于筑坝仓面图像特征的堆石料级配智能评判方法

土石坝失事量化风险评估方法研究

土石坝安全的模糊层次综合评价及其应用

土石坝低弹性模量混凝土防渗墙应力变形数值分析