基于数据增强技术的大坝变形GRU预测模型

任杰; 李嫦玲; 李萌; 李星

doi:10.13393/j.cnki.issn.1672-948X.2026.01.001

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 >

基于数据增强技术的大坝变形GRU预测模型

青年编委专栏 | 更新时间：2026-01-15

- 基于数据增强技术的大坝变形GRU预测模型
- 基于数据增强技术的大坝变形GRU预测模型
- 三峡大学学报（自然科学版） 2026年48卷第1期页码：1-7
- 作者机构：
  
  1. 南京水利科学研究院
  2. 水利部基本建设工程质量检测中心
  3. 江苏省水利厅机关后勤服务中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52209165);中央级公益性科研院所基本科研业务费专项资金项目(Yk725001)
- DOI：10.13393/j.cnki.issn.1672-948X.2026.01.001
  中图分类号： TV698.11
- 纸质出版：2026
- 稿件说明：
移动端阅览
任杰, 李嫦玲, 李萌, 等. 基于数据增强技术的大坝变形GRU预测模型[J]. 三峡大学学报（自然科学版）, 2026,48(1):1-7.

任杰, 李嫦玲, 李萌, et al. 基于数据增强技术的大坝变形GRU预测模型[J]. 2026, 48(1): 1-7.
任杰, 李嫦玲, 李萌, 等. 基于数据增强技术的大坝变形GRU预测模型[J]. 三峡大学学报（自然科学版）, 2026,48(1):1-7. DOI： 10.13393/j.cnki.issn.1672-948X.2026.01.001.

任杰, 李嫦玲, 李萌, et al. 基于数据增强技术的大坝变形GRU预测模型[J]. 2026, 48(1): 1-7. DOI： 10.13393/j.cnki.issn.1672-948X.2026.01.001.

摘要

大坝变形预测模型性能依赖于高质量的数据输入，然而不少工程存在监测资料稀疏或缺失问题.选取水压、温度、时效等为变形效应量影响因子，构建大坝变形门控循环单元(gated recurrent unit

GRU)预测模型.针对实测变形效应量样本较少的情况，引入SMOTE、GAN、GMM、Diffusion模型4种生成式数据增强算法，扩充样本异质性，增强GRU模型学习信息广度.以某混凝土大坝坝顶径向位移为研究对象，建立基于数据增强技术的大坝变形GRU预测模型.结果表明，原始数据集经GAN、GMM、Diffusion模型增强后，能够提高GRU预测模型精度，可分别将拟合优度由0.925提高至0.940、0.932、0.959.综合分析评价指标，基于Diffusion模型增强的GRU变形预测模型性能最优，可作为大坝变形数据增强处理优选方法.借助可解释机器学习领域中的SHAP(SHapley Additive exPlanations)分析对效应量影响因子进行显著性分析，结果表明：温度因子对大坝变形影响最为显著，上游水位和时效因子亦存在一定影响，下游水位影响偏小.

Abstract

关键词

Keywords

references

蒋存仁.混凝土重力坝变形监测资料分析研究[D].兰州交通大学,2013(02).

董建良.混凝土重力坝监测资料分析与评价[D].南昌大学,2007(06).

Bo Dai,Chongshi Gu,Erfeng Zhao,Xiangnan Qin.Statistical model optimized random forest regression model for concrete dam deformation monitoring[J].Structural Control and Health Monitoring,2018.

李双平,张斌.基于小波与谱分析的大坝变形预报模型[J].岩土工程学报,2015(02).

吴中如.混凝土坝安全监控的确定性模型及混合模型[J].水利学报,1989(05).

任秋兵,沈扬,李明超,孔锐,李明昊.水工建筑物安全监控深度分析模型及其优化研究[J].水利学报,2021(01).

卢有清,吴中如.混凝土重力坝变形的混合模型及其应用研究[J].大坝与安全,1989(03).

杨志佳,戴吾蛟,陈必焰,石强,李蕾.克里金时空自回归模型在变形建模中的应用[J].测绘科学,2019(07).

陈刚,吴振家.一种基于GMM-EM的非平衡数据的概率增强算法[J].控制与决策,2020(03).

左航旭,廖彬,陈小昆,童洋,李勇.融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用[J].计算机应用研究,2022(08).

黄成章,顾冲时,何菁.混凝土坝变形监测缺失数据处理新方法[J].水利水电科技进展,2022(02).

蒋佳彤,李明伟,尚宪朝,耿敬.基于卷积循环神经网络的混凝土坝变形预报[J].哈尔滨工程大学学报,2023(08).

林川,桂星煜,朱律运,苏燕,林梦婧,唐燕芳,陈伟.基于因子融合的混凝土面板堆石坝变形预测模型[J].水力发电学报,2023(10).

管浩,刘维,王峰,赵华菁,张功,张高海.基于数据增强和机器学习算法的盾构隧道引发地面沉降预测及应用[J].隧道建设(中英文),2022(S1).

蒋栋年,王仁杰.基于GAN的软测量缺失数据生成方法研究[J].西北工业大学学报,2024(02).

胡江,苏荟.水工结构变形预测模型构建与解释[J].水利水运工程学报,2024(02).

艾浩军,曾维珂,陶荆杰,徐锦盈,常含笑.基于扩散模型的室内定位射频指纹数据增强方法[J].通信学报,2023(11).

董晓宁,王勇刚,白钰,赵灏,张野,康心语,钟雯.基于Inception-GRU模型的混凝土重力坝变形预测方法及应用[J].南水北调与水利科技(中英文),2025(04).

韩闯,付瑞雪,周钰森,阙文戈.基于人工智能的生成式心电数据增强方法研究综述[J].计算机工程与应用,2025(16).

岳明昊,刘仲鹏,欧斌,朱文申.大坝监测数据缺失插补与奇异值修正处理[J].农业工程,2022(07).

赵瑞桥,李登华,石北啸.乏数据条件下土石坝安全监测数据的插补[J].水利水运工程学报,2025(02).

叶林昌,刘媛,刘赟,张淼,李清,沈建平.基于数据增强的水下辐射噪声快速预报代理模型生成方法研究[J].中国造船,2025(02).

宋锦焘,董嘉磊,杨杰,程琳,葛佳豪.CRITIC-Stacking集成学习在大坝安全监测数据缺失值处理中的应用[J].水力发电学报,2025(09).

浏览量

275

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人工边界子结构的混凝土坝地震响应分析

基于ABAQUS的SBFEM及在混凝土坝非线性地震响应分析中的应用

基于CEEMDAN和相关性分析的大坝位移预测