基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型

王赫显; 陈波; 郭凌云; 周程涛

doi:10.20040/j.cnki.1000-7709.2025.20242327

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 >

基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型

水利枢纽、水工建筑物 | 更新时间：2025-10-31

- 基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型
- 暂无标题
- 水电能源科学 2025年43卷第10期页码：139-143+149
- 作者机构：
  
  1. 河海大学水灾害防御全国重点实验室
  2. 河海大学水利水电学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52079049);国家资助博士后研究人员计划(GZC20230671);江苏省卓越博士后项目(2023ZB703);国家重点实验室基本科研业务费(522012272,5230248A2)
- DOI：10.20040/j.cnki.1000-7709.2025.20242327
  中图分类号： TV698.11
- 纸质出版：2025
- 稿件说明：
移动端阅览
王赫显, 陈波, 郭凌云, 等. 基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型[J]. 水电能源科学, 2025,43(10):139-143+149.
王赫显, 陈波, 郭凌云, 等. 基于粒子滤波器和Transformer-BiLSTM的大坝边坡变形时变预测模型[J]. 水电能源科学, 2025,43(10):139-143+149. DOI： 10.20040/j.cnki.1000-7709.2025.20242327.

DOI：

摘要

为了精确预测大坝边坡的变形，提出了一种基于粒子滤波器与Transformer-BiLSTM（T-B）算法的时变预测模型，首先利用粒子滤波器对降雨量、水库水位和温度等环境参数进行去噪处理，提高数据质量，随后结合环境参数与空间特征，采用T-B算法对大坝边坡的时空变形进行建模与预测，进而以西南地区某大坝边坡工程为例，通过定性与定量方法验证了模型的预测性能，并分析了主要影响因素。结果表明，粒子滤波器有效增强了环境数据的特征提取能力；T-B模型能够准确捕捉边坡变形的时空分布特征；融合粒子滤波器和T-B算法的模型在预测不同测点的变形时精度很高，其中，误差指标(均方误差(M

MSE

)、均方根误差(R

RMSE

)、平均绝对误差(M

MAE

))接近0

拟合度指标（决定系数R

、相关系数）接近1;降雨量、水库水位和温度为主要影响因素，其重要性依次递减。所提模型能够为大坝安全监测提供高效可靠的预测手段。

Abstract

关键词

Keywords

references

岳强,袁洁,胡涛.基于小波分析和灰色BP神经网络的滑坡位移预测[J].水电能源科学,2019(10).

易正元,苏怀智,杨立夫.混凝土坝变形监控模型的随机森林与旗鱼优化组合建模方法[J].水电能源科学,2021(10).

袁于思,冯小鹏,李勇,易灿灿.基于PSO-DSRVM的边坡变形预测[J].中国地质灾害与防治学报,2023(01).

李建新,肖钢,唐铃.基于EEMD-SVM模型的边坡变形预测[J].广东水利水电,2023(10).

刘敏毅,崔博文,王宇坤,张伟鑫,曾雨.基于注意力机制的Transformer模型预测PM_(2.5)浓度[J].环境科学,2024(12).

赖国梁,刘小生.基于CNN-LSTM-AM的大坝变形预测[J].水电能源科学,2024(10).

王祥,姜楚,蒋煌斌.基于PS-InSAR技术与M-LSTM的小型水库大坝及岸坡变形预测模型研究[J].水电能源科学,2024(10).

浏览量

164

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

密云水库入库水沙变化特征及其影响因素分析

基于时变效应-能量熵降噪的BiLSTM组合混凝土坝变形预测模型

基于SSA-BP神经网络的抽蓄电站地下厂房围岩参数反演及变形预测

基于VMD-Self-attention-LSTM的水闸深基坑变形智能预测方法

基于数值流形法的堤防垂直防渗铺膜防渗效果研究