大岗山高拱坝表观特征分析及发展趋势预测

彭涛; 郭家成; 王钰睫; 袁兆虎

doi:10.20040/j.cnki.1000-7709.2024.20230322

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 >

大岗山高拱坝表观特征分析及发展趋势预测

水利枢纽、水工建筑物 | 更新时间：2026-02-25

- 大岗山高拱坝表观特征分析及发展趋势预测
- 大岗山高拱坝表观特征分析及发展趋势预测
- 水电能源科学 2024年第3期页码：97-100
- 作者机构：
  
  国能大渡河流域水电开发有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20230322
  中图分类号： TV642.4
- 纸质出版：2024
- 稿件说明：
移动端阅览
彭涛, 郭家成, 王钰睫, 等. 大岗山高拱坝表观特征分析及发展趋势预测[J]. 水电能源科学, 2024,(3):97-100.

彭涛, 郭家成, 王钰睫, et al. 大岗山高拱坝表观特征分析及发展趋势预测[J]. 2024, (3): 97-100.
彭涛, 郭家成, 王钰睫, 等. 大岗山高拱坝表观特征分析及发展趋势预测[J]. 水电能源科学, 2024,(3):97-100. DOI： 10.20040/j.cnki.1000-7709.2024.20230322.

彭涛, 郭家成, 王钰睫, et al. 大岗山高拱坝表观特征分析及发展趋势预测[J]. 2024, (3): 97-100. DOI： 10.20040/j.cnki.1000-7709.2024.20230322.

摘要

为评价大岗山水电站高拱坝运行期状态，基于（应力、温度和位移）现场监测数据，深入分析了其表观特征数据的相关性，并采取ESN、ELM、BI-LSTM三种深度学习模型结合优化算法SSA预测对比了其未来的发展趋势。结果表明，水位变化时，

14坝段应力响应最为剧烈，位移与温度变化属正常范围。正垂线位移和应力的最优预测模型分别为ELM和BI-LSTM

均方根误差分别为0.985和0.061。研究结果为大坝自动化监测数据的预测提供了参考。

Abstract

关键词

Keywords

references

Seyedali Mirjalili,Amir H. Gandomi,Seyedeh Zahra Mirjalili,Shahrzad Saremi,Hossam Faris,Seyed Mohammad Mirjalili.Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems[J].Advances in Engineering Software,2017.

Zhiheng Huang,Wei Xu,Kai Yu 0001.Bidirectional LSTM-CRF Models for Sequence Tagging.[J].CoRR,2015.

Herbert Jaeger.Echo state network.[J].Scholarpedia,2007.

Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Extreme learning machine: Theory and applications[J].Neurocomputing,2005.

谌辰睿,谭传世,王兴霞,黄建文,王宇峰,翟朝兵.基于LSTM神经网络的高拱坝混凝土温升阶段温度预测[J].水电能源科学,2022(06).

庄文宇,张如九,徐建军,殷亮,魏海宁,刘耀儒.基于IAGA-BP算法的高拱坝-坝基力学参数反演分析[J].清华大学学报(自然科学版),2022(08).

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).

四川大渡河大岗山水电站[J].城乡建设,2021(03).

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

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

基于CNN-LSTM模型的城市洪水二维时空预测研究

回水顶托效应下巨型水电站下游水位预测研究

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于线性可加模型的渡槽变形预测对比