基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用

李霞; 何磊; 郑元江

doi:10.20040/j.cnki.1000-7709.2026.20250046

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用

水利枢纽、水利建筑物 | 更新时间：2026-09-10

- 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用
- 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用
- 水电能源科学 2026年44卷第5期页码：150-155
- 作者机构：
  
  1. 重庆交通大学河海学院
  2. 中交长江(重庆)水利水电工程有限公司
- 作者简介：
- 基金信息：
  
  重庆市水利科技项目(CQSLK-2022006);重庆市水利科技项目(CQSLK-2022005,CQSLK-2022011);三峡后续工作项目(CQS23C00400,CQS23C00399);水利部重大科技项目(SKS-2022076);重庆市技术创新与应用发展重点项目(CSTB2022TIAD-KPX0198);库底数字孪生在水利工程管理中的应用研究(CQSLK-2023012)
- DOI：10.20040/j.cnki.1000-7709.2026.20250046
  中图分类号： TP18;TV698.11
- 纸质出版：2026
- 稿件说明：
移动端阅览
李霞, 何磊, 郑元江. 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用[J]. 水电能源科学, 2026,44(5):150-155.

李霞, 何磊, 郑元江. 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用[J]. 2026, 44(5): 150-155.
李霞, 何磊, 郑元江. 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用[J]. 水电能源科学, 2026,44(5):150-155. DOI： 10.20040/j.cnki.1000-7709.2026.20250046.

李霞, 何磊, 郑元江. 基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用[J]. 2026, 44(5): 150-155. DOI： 10.20040/j.cnki.1000-7709.2026.20250046.

摘要

为改善大坝安全预警中由于大坝变形过程复杂且具有显著的非线性特性导致的大坝变形预警效果较差的问题，提出一种基于BKA优化算法用于优化LSTM超参数的变形预测组合模型CNN-SENet-LSTM（BCSL）。该模型利用CNN提取数据的局部特征，SE-Net注意力机制优化特征权重，LSTM捕捉特征与变形之间的关系，并通过BKA算法优化LSTM的超参数，提升模型预测能力。实例应用结果表明，BCSL模型对LG3及LG4测点的预测效果优于CNN-SENet-LSTM、CNN-LSTM、LSTM及HST模型，BCSL模型的各项误差指标(M

MAE

、M

MSE

、R

RMSE

、M

MAPE

、R

)均优于对比模型，说明BCSL模型显著提升了大坝变形预测中的预测精度及鲁棒性，为大坝安全评价、变形预测及风险预警等提供了有效的支持。

Abstract

关键词

Keywords

references

Wang Jun,Wang Wen chuan,Hu Xiao xue,Qiu Lin,Zang Hong fei.Black-winged kite algorithm: a nature-inspired meta-heuristic for solving benchmark functions and engineering problems[J].Artificial Intelligence Review,2024.

Vesna Ranković,Nenad Grujović,Dejan Divac,Nikola Milivojević.Development of support vector regression identification model for prediction of dam structural behaviour[J].Structural Safety,2014.

原佳帆,李丹杨,李佳霖,秦学,毛鹏.基于TimeGAN和CNN-BiLSTM-Attention的大坝变形预测混合模型[J].人民黄河,2024(12).

魏伟,余鹤,叶利,汪应春.基于FCM-SENet-TCN的低压台区光伏超短期功率预测方法[J].中国电力,2025(06).

余强,韩静娴,杨子梁,宋济东,杨德昌,齐海杰,于芃.基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测[J].电力自动化设备,2025(03).

黄海燕,艾星星,刘兴阳,李占超,仇建春.基于可解释性分析的大坝变形监控模型对比研究[J].人民长江,2024(09).

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).

翁鸣昊,项兴华,陈俊涛,邵广俊,胡伟飞.基于LSTM与Transformer的大坝变形预测研究[J].中国农村水利水电,2024(04).

李相如,苏超,袁荣耀.时间序列重构改进LSTM的大坝变形预测模型[J].水力发电,2024(06).

王润英,林思雨,方卫华,赵凯文.基于CNN-LSTM的大坝变形组合预测模型研究[J].水力发电,2024(01).

何裕坤,晁阳,李同春,杰德尔别克·马迪尼叶提.基于SBO-LSTM的大坝变形预测模型[J].水利水电技术(中英文),2024(S1).

张龙威,刘小生,刘相杰.基于BES-BiLSTM的混凝土坝变形预测[J].水电能源科学,2023(09).

王世杰,肖萌,华国威,胡少华,刘泽.基于CNN-GRU的混凝土大坝扬压力预测模型研究[J].中国安全生产科学技术,2023(07).

顾冲时,苏怀智,刘何稚.大坝服役风险分析与管理研究述评[J].水利学报,2018(01).

吴中如.大坝与坝基安全监控理论和方法及其应用[J].江苏科技信息,2005(12).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

提灌泵站事故预防措施策略分析系统研究

基于CNN-LSTM-Attention的水电机组振动趋势预测

基于HOA优化的TCN-FECAM-Informer大坝变形预测模型

耦合物理机制和数据驱动的城市洪涝潮淹没快速模拟

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