基于HHO-QRNN模型的大坝变形预测方法

李天翔; 王峰; 刘革瑞

doi:10.20040/j.cnki.1000-7709.2024.20230851

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HHO-QRNN模型的大坝变形预测方法

水利枢纽、水工建筑物 | 更新时间：2026-02-25

- 基于HHO-QRNN模型的大坝变形预测方法
- 基于HHO-QRNN模型的大坝变形预测方法
- 水电能源科学 2024年第5期页码：117-120+116
- 作者机构：
  
  1. 太原理工大学电子信息与光学工程学院
  2. 山西省水利厅
- 作者简介：
- 基金信息：
  
  山西省水利科学技术研究与推广项目(2022GM002)
- DOI：10.20040/j.cnki.1000-7709.2024.20230851
  中图分类号： TV698.11;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 水电能源科学, 2024,(5):117-120+116.

李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 2024, (5): 117-120+116.
李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 水电能源科学, 2024,(5):117-120+116. DOI： 10.20040/j.cnki.1000-7709.2024.20230851.

李天翔, 王峰, 刘革瑞. 基于HHO-QRNN模型的大坝变形预测方法[J]. 2024, (5): 117-120+116. DOI： 10.20040/j.cnki.1000-7709.2024.20230851.

摘要

为有效利用大坝位移数据集中的真实信息，提高预测模型精准度，缩减建模分析训练时间，提出基于卡尔曼滤波算法、完全噪声辅助聚合经验模态分解和准循环神经网络的大坝位移预测方法。首先，模型采用卡尔曼滤波算法对原始输入数据进行处理，提取行有效信息，消除观测噪声影响；其次，设计一种信号分解算法，从累计位移值提取出趋势项、周期项和随机项数据集，以分离不同诱发因素对于大坝位移量的影响；最后，提出一种基于改进哈里斯鹰算法优化准循环神经网络的位移预测算法，对不同数据集分别采用此算法建模预测，将预测结果对应叠加得到最终预测结果。以某水库大坝的历史位移观测数据集为例，将所提模型与其他传统预测模型进行对比分析，结果表明，该模型预测精度和训练速度等方面均有显著提升，验证了其可行性和先进性。

Abstract

关键词

Keywords

references

曹梦茜,郑东健.基于FCM-WOA-LSTM的大坝变形预测模型及其应用[J].水电能源科学,2023(05).

向镇洋,包腾飞,白妍丽,宋宝钢,王瑞婕.基于混合注意力机制和深度学习的大坝变形预测模型[J].水利水电科技进展,2023(02).

袁维,孙瑞峰,钟辉亚,焦海明,胡惠华,林杭.阶跃型滑坡综合变形预测及监测预警方法研究[J].水利学报,2023(04).

邓思源,周兰庭,柳志坤.基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法[J].水利水电科技进展,2022(05).

罗璐,李志,张启灵.大坝变形预测的最优因子长短期记忆网络模型[J].水力发电学报,2023(02).

周仁练,苏怀智,韩彰,徐朗,刘明凯.混凝土坝变形的长期预测模型与应用[J].水力发电学报,2021(09).

张凯,张科,保瑞,刘享华,齐飞飞.基于优化经验模态分解和聚类分析的滑坡位移智能预测研究[J].岩土力学,2021(01).

徐佳成,杜景灿,周家骢,张宗玟.现行水电行业标准隐存的梯级水库大坝群风险分析[J].水力发电学报,2014(05).

浏览量

100

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RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定

基于多尺度下复杂因子提取和CNN改进时序深度学习架构的大坝变形预测

基于CNN-LSTM模型的城市洪水二维时空预测研究

室内和现场试验联合本构参数智能标定在土石坝变形预测中的应用