典型文献
基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法
文献摘要：
为了实现对大坝变形趋势的合理分析,提出了一种融合卡尔曼滤波、分形理论和长短时记忆神经网络(LSTM)的大坝变形趋势综合分析方法.该方法利用卡尔曼滤波对原始观测数据进行降噪处理,采用分形理论中的R/S方法对大坝未来变形趋势进行定性判断和解析,通过对滤波后数据建立LSTM定量预测模型,结合定性和定量的分析结果,实现大坝变形趋势的综合评判.实例分析结果表明,该方法能够较好地分析大坝变形趋势,对大坝监测数据的随机性和非平稳性具有较好的适用性,趋势分析和预测符合工程实际情况,为大坝的变形综合分析提供了一种新方法.
文献关键词：
大坝;卡尔曼滤波;分形;LSTM模型;变形预测;趋势判断
中图分类号：
作者姓名：
邓思源;周兰庭;柳志坤
作者机构：
河海大学水利水电学院,江苏 南京 210098;青岛市发展和改革委员会动能转换推进处,山东 青岛 266000;青岛市经济发展研究院,山东 青岛 266000
文献出处：
引用格式：
[1]邓思源;周兰庭;柳志坤-.基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法)[J].水利水电科技进展,2022(05):121-126
A类：
B类：
大坝变形,变形趋势,融合卡尔曼滤波,分形理论,长短时记忆神经网络,法利,观测数据,降噪处理,来变,定量预测模型,合定,定性和定量,综合评判,大坝监测,随机性,非平稳性,工程实际,变形预测,趋势判断
AB值：
0.265485
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。
