基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究

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Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究
- 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究
- 水电能源科学 2025年第9期页码：146-149+155
- 作者机构：
  
  中国电建集团中南勘测设计研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20241840
  中图分类号： TV641.43;TV698.11
- 纸质出版：2025
- 稿件说明：
移动端阅览
周子玉, 肖亚子, 邬昱昆, 等. 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究[J]. 水电能源科学, 2025,(9):146-149+155.

周子玉, 肖亚子, 邬昱昆, et al. 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究[J]. 2025, (9): 146-149+155.
周子玉, 肖亚子, 邬昱昆, 等. 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究[J]. 水电能源科学, 2025,(9):146-149+155. DOI： 10.20040/j.cnki.1000-7709.2025.20241840.

周子玉, 肖亚子, 邬昱昆, et al. 基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究[J]. 2025, (9): 146-149+155. DOI： 10.20040/j.cnki.1000-7709.2025.20241840.

构建高精度的坝体沉降预测模型，对于保障施工期大坝安全与风险管控意义重大。以筑坝高度、降雨、时效等作为施工期坝体沉降变形的影响因子，引入长短时记忆神经网络LSTM算法，并在其基础上嵌入注意力机制Attention

提出了适用于施工期面板堆石坝坝体沉降的预测模型。工程应用表明，Attention-LSTM模型弥补了LSTM在网络层不能动态调整权重系数的缺陷，提升了模型的计算效率与精度，具有较好的非线性数据处理能力，能够更加精准反映施工期监测数据在时间维度上的变化趋势，相关经验可供类似工程参考。

燕乔,高名杨,梁明浩,王硕.改进粒子群-极限学习机模型在面板堆石坝运行期沉降预测中的应用[J].水电能源科学,2021(10).

王亚坤,傅志敏,苏正洋.基于长短期记忆网络的黄河小浪底水库高斜心墙堆石坝沉降预测模型及其预测精度分析[J].水电能源科学,2022(02).

隋旭鹏,王少伟,朱圣辉,徐丛.不同机器学习模型对混凝土坝位移预测性能的影响[J].水电能源科学,2022(01).

王晓玲,梁羽翎,王佳俊,吴斌平,张宗亮,黄青富.耦合注意力机制大坝变形改进LSTM序列到序列预测模型[J].天津大学学报(自然科学与工程技术版),2023(07).

黄灵芝,陈思琦,李成宇,司政,张飞跃.基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究[J].水资源与水工程学报,2023(03).

温立峰,李炎隆,刘云贺,张海洋.考虑门限效应的面板堆石坝变形特性改进支持向量机预测模型研究[J].应用基础与工程科学学报,2023(04).

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).

梁彬彬.高心墙堆石坝施工期沉降监控模型研究[D].南昌工程学院,2019(07).

浏览量

103

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ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

基于DyGKAN图神经网络的供水管网泄漏定位模型

深度学习算法在山南市雅桑站流量模拟中的应用研究

抽水蓄能电站地下厂房施工期通风系统对比

基于注意力卷积神经网络的水轮机健康状态评估研究