1. 江苏省水利勘测设计研究院有限公司
2. 江苏省河道管理局
纸质出版:2025
移动端阅览
张孟颖, 王荣, 喻桂成, 等. 基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究[J]. 水电能源科学, 2025,(7):138-141+212.
张孟颖, 王荣, 喻桂成, et al. 基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究[J]. 2025, (7): 138-141+212.
张孟颖, 王荣, 喻桂成, 等. 基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究[J]. 水电能源科学, 2025,(7):138-141+212. DOI: 10.20040/j.cnki.1000-7709.2025.20250382.
张孟颖, 王荣, 喻桂成, et al. 基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究[J]. 2025, (7): 138-141+212. DOI: 10.20040/j.cnki.1000-7709.2025.20250382.
闸基渗流稳定是水闸安全评价的重要指标之一,构建高精度的闸基渗压预测模型对保障水闸安全运行具有重要意义。为此,以某水闸工程闸基渗压为研究对象,构建了一种基于集合经验模态分解(EEMD)与改进粒子群算法(IPSO)优化双向长短期记忆神经网络(BiLSTM)相结合的闸基渗压预测模型。所建预测模型得到的三个渗压测点预测结果分布规律符合一般工程经验,并与另外三种常规预测模型进行对比。结果表明,所建预测模型得到的三个测点预测结果的均方根误差、平均绝对误差、平均绝对百分比误差均小于其他三个对比模型,与实测值更为贴合,具有更高的预测精度。研究结果可为闸基渗压精准预测提供参考。
Greff Klaus,Srivastava Rupesh K,Koutnik Jan,Steunebrink Bas R,Schmidhuber Jurgen.LSTM: A Search Space Odyssey.[J].IEEE transactions on neural networks and learning systems,2017.
2022年全国水利发展统计公报[M].中国水利水电出版社,2023.
李献,骆志伟,于晋臣.MATLAB/Simulink系统仿真[M].清华大学出版社,2017.
吴中如编著.水工建筑物安全监控理论及其应用[M].高等教育出版社,2003.
渗流计算分析与控制[M].中国水利水电出版社,2003.
谷宇,苏怀智,张帅,姚可夫,刘明凯,漆一宁.基于自适应时序分解筛选的大坝变形预测模型[J].水利学报,2024(09).
余红玲,王晓玲,任炳昱,郑鸣蔚,吴国华,朱开渲.土石坝渗流性态分析的IAO-XGBoost集成学习模型与预测结果解释[J].水利学报,2023(10).
曹梦茜,郑东健.基于EEMD-AEFA-LSTM的混凝土坝变形预测模型[J].水电能源科学,2023(09).
岑威钧,王肖鑫,蒋明欢.基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究[J].水资源与水工程学报,2023(02).
李二超,高振磊.改进粒子速度和位置更新公式的粒子群优化算法[J].南京师大学报(自然科学版),2022(01).
王峰,周宜红,赵春菊,王放.基于改进粒子群算法的混凝土坝热学参数反演研究[J].振动与冲击,2019(12).
吴雄伟,张丽红,唐宏进,程伟平.基于误差修正模型的土石坝渗流观测资料分析[J].人民长江,2018(S2).
秦继辉,吴云星,谷艳昌.基于逐步回归和小波神经网络的土石坝渗压预测模型研究[J].安全与环境学报,2018(05).
仇建春,蔡婷婷,蒋玮,徐玮.大坝渗流统计模型在棉花滩水电站右岸绕坝渗流分析中的应用[J].水电能源科学,2013(05).
傅世平,黄维.前岩水库土石坝渗流监测资料分析[J].水电能源科学,2008(05).
0
浏览量
135
下载量
CSCD
关联资源
相关文章
相关作者
相关机构