典型文献
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
文献摘要：
针对黄河小浪底水库高斜心墙堆石坝沉降预测精度低,无法准确反映大坝运行性态等问题,基于黄河小浪底水利枢纽主坝沉降监测数据,引入长短期记忆网络(LSTM)方法建立高斜心墙堆石坝沉降预测模型对主坝沉降进行预测,并对不同损失函数下模型优化过程进行分析,最终选定平均绝对误差作为损失函数.预测结果表明,LSTM方法各项指标结果均优于随机森林算法和BP神经网络算法,可实现高精度预测大坝运行性态,具有较高实用性,可为水库大坝沉降预测及工程运行管理提供借鉴和参考.
文献关键词：
神经网络;土石坝沉降;预测;长短期记忆网络
中图分类号：
作者姓名：
王亚坤;傅志敏;苏正洋
作者机构：
河海大学水文水资源学院,江苏南京210098;南京水利科学研究院,江苏南京210029
文献出处：
引用格式：
[1]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):110-113
A类：
土石坝沉降
B类：
长短期记忆网络,黄河小浪底水库,心墙堆石坝,沉降预测模型,精度分析,性态,小浪底水利枢纽,主坝,沉降监测数据,损失函数,模型优化,平均绝对误差,随机森林算法,神经网络算法,精度预测,高实,水库大坝,大坝沉降,工程运行管理
AB值：
0.204947
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
