典型文献
基于电阻率的滑坡土体含水率贝叶斯LSTM网络模型预测研究
文献摘要：
地下水是影响滑坡稳定性的重要参数,目前的土壤水分监测方法存在不同程度的局限性.对此,基于高密度电法与土体含水率的试验数据,采用长短时记忆网络等四种模型预测滑坡土体含水率,以均方根误差和拟合优度为模型评判准则,提出一种基于贝叶斯结构结合经验函数确定Dropout网络层参数的算法来优化模型;依据Dropout不同取值,通过计算模型的训练时间和均方根误差来验证算法的可行性.研究表明,长短时记忆网络模型拟合结果的均方根误差仅为0.004 2,拟合优度达0.970 5,较其他算法效果更好,将其应用于滑坡土体含水率预测效果更优.算例表明,优化后的模型在Dropout取值为0.52时,均方根误差值与优化前的值相差不大,但模型训练时间减少45 s,模型的计算效率显著提高.
文献关键词：
高密度电法;含水率;长短记忆神经网络;贝叶斯优化;Dropout
中图分类号：
作者姓名：
崔雪;田斌;卢晓春;熊勃勃;冯程鑫
作者机构：
三峡大学水利与环境学院,湖北宜昌443002;三峡大学湖北长江三峡滑坡国家野外科学观测研究站,湖北宜昌443002
文献出处：
引用格式：
[1]崔雪;田斌;卢晓春;熊勃勃;冯程鑫-.基于电阻率的滑坡土体含水率贝叶斯LSTM网络模型预测研究)[J].水电能源科学,2022(03):182-185
A类：
B类：
电阻率,土体,预测研究,滑坡稳定性,重要参数,土壤水分,监测方法,高密度电法,拟合优度,评判准则,Dropout,网络层,训练时间,长短时记忆网络模型,模型拟合,含水率预测,误差值,模型训练,计算效率,长短记忆神经网络,贝叶斯优化
AB值：
0.24589
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。
