首站-论文投稿智能助手
典型文献
基于SSA-LSTM的混凝土拱坝变形预测模型
文献摘要:
由于混凝土拱坝在变形过程中有明显的非线性特点,因此参数过多和陷入局部最优的问题是大坝变形预测模型过程中较为常见的问题.通过将麻雀搜索算法(SSA)引入长短期记忆神经网络(LSTM)中,进行超参数优化,建立了SSA-LSTM模型进行混凝土拱坝变形预测模型.以某拱坝多个测点的实测径向位移数据为例,将水压、温度和时效作为输入,坝体径向位移作为输出,使用SSA-LSTM模型与传统的变形预测模型BP神经网络、极限学习机(ELM)和支持向量机(SVM)分别进行回归预测,结果表明SSA-LSTM模型具有较强的预测能力,可用于大坝安全的预警预报.
文献关键词:
变形预测;拱坝;麻雀搜索算法;长短期记忆神经网络
作者姓名:
孔庆梅;乔海山;费新锋;武志刚;葛佳豪
作者机构:
国家电投集团青海黄河电力技术有限责任公司,西宁 810008;西安理工大学水利水电学院,西安 710048
文献出处:
引用格式:
[1]孔庆梅;乔海山;费新锋;武志刚;葛佳豪-.基于SSA-LSTM的混凝土拱坝变形预测模型)[J].西北水电,2022(03):81-86
A类:
B类:
SSA,混凝土拱坝,变形过程,此参数,局部最优,大坝变形预测,麻雀搜索算法,长短期记忆神经网络,超参数优化,测径,径向位移,移数,水压,坝体,移作,极限学习机,ELM,回归预测,预测能力,大坝安全,预警预报
AB值:
0.234653
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。