基于ACNN-VAR的特高拱坝变形深度学习预测模型

钟桥俊; 赵二峰; 胡灵芝; 刘峰; 宋桂华

doi:10.20040/j.cnki.1000-7709.2025.20240583

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ACNN-VAR的特高拱坝变形深度学习预测模型

水利枢纽、水工建筑物 | 更新时间：2026-02-25

- 基于ACNN-VAR的特高拱坝变形深度学习预测模型
- 基于ACNN-VAR的特高拱坝变形深度学习预测模型
- 水电能源科学 2025年第4期页码：163-167
- 作者机构：
  
  1. 河海大学水灾害防御全国重点实验室
  2. 河海大学水资源高效利用与工程安全国家工程研究中心
  3. 中国电建集团昆明勘测设计研究院有限公司
  4. 上海勘测设计研究院有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52079046);云南省水利水电工程安全重点实验室开放课题基金(202302AN360003)
- DOI：10.20040/j.cnki.1000-7709.2025.20240583
  中图分类号： TV642.4;TV698.1
- 纸质出版：2025
- 稿件说明：
移动端阅览
钟桥俊, 赵二峰, 胡灵芝, 等. 基于ACNN-VAR的特高拱坝变形深度学习预测模型[J]. 水电能源科学, 2025,(4):163-167.

钟桥俊, 赵二峰, 胡灵芝, et al. 基于ACNN-VAR的特高拱坝变形深度学习预测模型[J]. 2025, (4): 163-167.
钟桥俊, 赵二峰, 胡灵芝, 等. 基于ACNN-VAR的特高拱坝变形深度学习预测模型[J]. 水电能源科学, 2025,(4):163-167. DOI： 10.20040/j.cnki.1000-7709.2025.20240583.

钟桥俊, 赵二峰, 胡灵芝, et al. 基于ACNN-VAR的特高拱坝变形深度学习预测模型[J]. 2025, (4): 163-167. DOI： 10.20040/j.cnki.1000-7709.2025.20240583.

摘要

变形是大坝服役性态的直观表现，对其进行分析与预测是科学诊断大坝健康的关键措施。为解析特高拱坝变形性态，利用基于注意力机制优化的卷积神经网络(ACNN)对实测数据进行局部时间特征提取，引入变分自编码器(VAE)

将回归器嵌入到VAE构建变分自回归器(VAR)

提出基于ACNN-VAR的特高拱坝变形深度学习预测模型，该模型综合注意力机制、CNN神经网络、VAE生成模型和回归器，深度挖掘特高拱坝变形性态的特征信息，生成潜在特征向量，实现深层次变化特征提取。实例应用结果表明，建立的预测模型能够准确模拟实测值的年周期变化及局部波动，具有较高的预测精度和稳定的鲁棒性，为特高拱坝变形监测提供了新思路。

Abstract

关键词

Keywords

references

方娜,李新新,马森源,刘铮光.基于VMD-BiLSTM-Attention的抽水蓄能机组性能劣化趋势预测[J].中国农村水利水电,2023(08).

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).

袁冬阳,顾冲时,顾昊.严寒地区混凝土重力坝变形行为分析与预测模型[J].水利学报,2022(06).

赵二峰,顾冲时.特高拱坝结构性态诊断与监控方法述评[J].水利水运工程学报,2023(01).

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).

李梅,宁德军,郭佳程.基于注意力机制的CNN-LSTM模型及其应用[J].计算机工程与应用,2019(13).

Costa Nahuel,Sánchez Luciano.Variational encoding approach for interpretable assessment of remaining useful life estimation[J].Reliability Engineering & System Safety,2022.

Wenju Liu,Jianwen Pan,Yisha Ren,Zhigang Wu,Jinting Wang.Coupling prediction model for long‐term displacements of arch dams based on long short‐term memory network[J].Structural Control and Health Monitoring,2020.

浏览量

197

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的水工混凝土结构表面缺陷检测

基于DyGKAN图神经网络的供水管网泄漏定位模型

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Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究

基于VAE-GRU和残差注意力的大坝位移深度学习预测模型