基于布谷鸟搜索算法优化LSTM的大坝变形预测

康俊锋; 胡祚晨; 陈优良

首页> 中文期刊> 《排灌机械工程学报》 >基于布谷鸟搜索算法优化LSTM的大坝变形预测

基于布谷鸟搜索算法优化LSTM的大坝变形预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现有的机器学习模型大都基于大坝变形监测数据的非线性特点进行构建,而忽略了监测数据还具有趋势性和周期性的线性特征.提出了一种大坝变形预测模型,通过采用布谷鸟搜索算法(CS)对长短期记忆人工神经网络(LSTM)进行优化,再基于物联网传感器的实时监测数据,使用局部加权回归的周期趋势分解方法(STL)将数据分解成趋势分量、周期分量和余项分量,采用优化后的LSTM模型对趋势分量和余项分量分别进行预测,并通过简单周期估计方法进行计算,将3个分量的预测结果求和后得到最终变形预测结果.试验选取浙江利山水库开展变形预测研究,结果表明:STL-CS-LSTM模型的水平和沉降变形预测精度都高于其他模型,水平位移预测精度由高到低依次为LSTM模型、支持向量回归模型SVR和人工神经网络模型ANN,沉降预测精度由高到低依次为ANN模型、LSTM模型、SVR模型.

著录项

来源
《排灌机械工程学报》 |2022年第9期|902-907|共6页
作者
康俊锋; 胡祚晨; 陈优良;
展开▼
作者单位

江西理工大学土木与测绘工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类排灌机械与设备;
关键词
大坝变形预测; 长短期记忆神经网络; 布谷鸟搜索; 基于局部加权回归的周期趋势分解; 机器学习;

相似文献

中文文献
外文文献
专利

1. 基于改进布谷鸟搜索算法优化的SVM月径流预测 [J] . 李代华 . 中国农村水利水电 . 2020,第8期
2. 基于布谷鸟算法优化SV M的尾矿库坝体变形预测 [J] . 胡军 ,赵允坤 ,栾长庆 . 有色金属工程 . 2021,第009期
3. 基于布谷鸟算法优化SVM的尾矿库坝体变形预测 [J] . 胡军 ,赵允坤 ,栾长庆 . 有色金属工程 . 2021,第009期
4. EEMD和布谷鸟搜索算法优化SVR的混沌时间序列预测 [J] . 乐洋 ,江畅 ,陈德良 . 现代电子技术 . 2022,第15期
5. 布谷鸟搜索算法优化支持向量机的停车位预测 [J] . 梁迪 ,郭启航 ,姜廷霖 . 沈阳大学学报 . 2021,第003期
6. 基于神经网络模型方法的两江水电站雪山湖大坝变形预测分析 [C] . 刘建军 ,王民方 ,李鑫龙 . 东北三省水利学会2017年学术年会 . 2017
7. 基于改进布谷鸟优化MKELM和Bootstrap方法的大坝变形预测研究 [A] . 谢怀宇 . 2019

基于布谷鸟搜索算法优化LSTM的大坝变形预测

摘要

著录项

相似文献

相关主题

期刊订阅