期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,470篇文章
< 1 2 … 124 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合注意力机制与深度学习的深基坑变形预测
1
作者 喻桂成 王铁力 +4 位作者 张斌 周明明 陈浩 蒋健楠 周煜 《科学技术与工程》 北大核心 2026年第3期1231-1238,共8页
为改善现有机器学习模型实时预测深基坑变形的准确性,增强模型对于复杂时序依赖关系的动态学习能力,构建了一种基于注意力(attention)机制和沙丘猫优化算法(sand cat swarm optimization,SCSO)的门控循环网络预测模型。该模型在门控循... 为改善现有机器学习模型实时预测深基坑变形的准确性,增强模型对于复杂时序依赖关系的动态学习能力,构建了一种基于注意力(attention)机制和沙丘猫优化算法(sand cat swarm optimization,SCSO)的门控循环网络预测模型。该模型在门控循环单元(gated recurrent unit,GRU)中耦合注意力机制以充分挖掘变形监测数据在时间维度的深层关联,有效捕捉不同时间步中影响基坑实时变形的关键特征,同时采用SCSO算法对GRU-Attention模型进行参数寻优,进一步提高模型预测性能。工程实例分析表明,相比传统预测模型,所提模型具有更高的预测精度,泛化能力和适用性显著增强,为基坑变形实时预警与安全性态评估提供技术参考。 展开更多
关键词 门控循环单元 注意力机制 沙丘猫优化 变形预测
在线阅读 下载PDF
基于RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定
2
作者 都旭煌 田振宇 +5 位作者 齐智勇 毛延翩 汤正阳 王波 远近 牟猷 《水电能源科学》 北大核心 2026年第2期167-173,共7页
变形是反映大坝结构性态的直观物理量,提升变形预测精度是保障大坝安全稳定运行的关键。基于变形统计模型提取变形影响因子,结合随机森林(RF)实现因子优选,并利用自注意力机制(Self-attention)优化长短期记忆神经网络(LSTM),继而发展了... 变形是反映大坝结构性态的直观物理量,提升变形预测精度是保障大坝安全稳定运行的关键。基于变形统计模型提取变形影响因子,结合随机森林(RF)实现因子优选,并利用自注意力机制(Self-attention)优化长短期记忆神经网络(LSTM),继而发展了一种新型变形预测模型。首先根据统计模型中包含的影响因子构建初始因子集合;其次基于RF筛选对变形影响程度较高的因子参与预测建模,以降低模型复杂度、提升变形预测精度;最后在LSTM算法基础上引入Self-attention策略,提升算法对变形时序关系的挖掘能力,从而实现RF-LSTM/Self-attention变形预测模型的构建。案例结果表明,所提方法变形预测精度高于对比方法,对应均方根误差、平均绝对误差、决定系数的最大提升比分别为57.81%、59.59%、5.94%,验证了RF-LSTM/Self-attention模型在大坝变形预测领域的有效性。将所提方法应用到变形异常识别中,可有效判定存在于变形中的异常数据,验证了所提变形预测方法的可拓展能力。 展开更多
关键词 大坝变形预测 随机森林 因子优选 自注意力机制 LSTM 异常值判定
原文传递
基于可解释性因子选择的多模型耦合式大坝变形预测方法
3
作者 柳聪聪 张锋 +2 位作者 胡超 张启灵 郭永成 《长江科学院院报》 北大核心 2026年第1期144-154,共11页
目前,传统、单一模型难以全面捕捉大坝变形数据的复杂性和多样性,导致其预测性能和解释能力受限。为解决上述问题,通过对多种预测模型的组合与优化,提出了一种高效且具备可解释性的大坝变形预测方法。首先,利用最小绝对值收缩和选择算子... 目前,传统、单一模型难以全面捕捉大坝变形数据的复杂性和多样性,导致其预测性能和解释能力受限。为解决上述问题,通过对多种预测模型的组合与优化,提出了一种高效且具备可解释性的大坝变形预测方法。首先,利用最小绝对值收缩和选择算子(LASSO)在众多环境变量中高效筛选,既简化模型输入,又解释了因子选择的可靠性。然后,采用长短期记忆(LSTM)网络对大坝变形进行预测,并引入注意力机制,增强对重要信息的提取。最后,通过Bagging算法集成多个模型预测结果,进一步提高整体预测的准确度、稳定性和泛化能力。以某碾压混凝土重力坝为例,所构建的模型具有较高的预测精度,各测点上平均MAE、MSE、RMSE依次为0.052、0.005、0.067 mm。将耦合模型与多种常用模型对比分析,结果表明耦合模型能够更准确地捕捉到大坝变形的动态变化,为预测模型研究提供了一种简洁高效的方法。 展开更多
关键词 大坝变形预测 最小绝对值收缩和选择算子(LASSO) 注意力机制 长短期记忆(LSTM) BAGGING算法 耦合模型
在线阅读 下载PDF
融合特征筛选与残差校正的重力坝变形时空混合模型
4
作者 林川 张萌杰 +4 位作者 林威伟 朱文富 黄学钊 袁远 苏燕 《水力发电学报》 北大核心 2026年第3期119-130,共12页
大坝在协同承载时变形行为具有显著时空关联性,然而现有方法在多测点协同反演与预测中存在特征冗余和残差信息利用不足的局限。为此,本文提出一种融合特征筛选与残差校正的重力坝变形时空混合模型。首先,通过渗流-应力耦合有限元模型结... 大坝在协同承载时变形行为具有显著时空关联性,然而现有方法在多测点协同反演与预测中存在特征冗余和残差信息利用不足的局限。为此,本文提出一种融合特征筛选与残差校正的重力坝变形时空混合模型。首先,通过渗流-应力耦合有限元模型结合多目标灰狼算法(MOGWO)反演坝体力学参数;然后引入测点坐标构建时空输入集,采用改进BorutaShap算法筛选关键特征,建立FEM-BorutaShap-MLR预测模型;最后利用iTransformer架构捕捉残差中的非线性时空依赖关系以校正预测结果。在SK重力坝三个测点上的验证结果表明,本模型在各测点决定系数(R^(2))均超过0.98,各项评价指标均优于对比模型,通过结合物理机理与数据驱动优势,为重力坝多测点变形预测与安全监控提供了可靠方法。 展开更多
关键词 重力坝变形预测 时空混合模型 特征筛选 残差校正 多目标优化
在线阅读 下载PDF
基于GDPSO-LSTM-attention-QR的混凝土坝变形区间智能预测模型
5
作者 包振东 徐海峰 +2 位作者 胡锦 刘永涛 包丽娜 《水电能源科学》 北大核心 2026年第3期142-146,141,共6页
针对大坝位移预测中传统方法难以处理长时间序列的问题,提出一种融合黄金正余弦改进粒子群算法(GDPSO)、长短时记忆网络(LSTM)、自注意力机制(attention)与分位数回归(QR)的GDPSO-LSTM-attention-QR区间智能预测模型。通过引入自注意力... 针对大坝位移预测中传统方法难以处理长时间序列的问题,提出一种融合黄金正余弦改进粒子群算法(GDPSO)、长短时记忆网络(LSTM)、自注意力机制(attention)与分位数回归(QR)的GDPSO-LSTM-attention-QR区间智能预测模型。通过引入自注意力机制增强LSTM对全局依赖关系的捕捉能力,并采用GDPSO优化超参数,构建高精度点预测模型GDPSO-LSTM-attention,进一步结合QR量化模型不确定性,实现位移的区间预测。实例应用结果表明,所提模型在精度与趋势跟踪方面均优于对比模型,且可有效量化预测的不确定性,为智慧水利数字孪生平台的“四预”建设提供基础支撑。 展开更多
关键词 混凝土坝 黄金正余弦改进粒子群算法 长短时记忆网络 自注意力机制 区间预测
原文传递
基于深部位移自动化监测边坡变形规律研究
6
作者 雷英成 王敏 +1 位作者 蔡吉伟 李明好 《水电站设计》 2026年第1期6-9,14,共5页
通过论述边坡变形监测手段,以巴中通江某工程北侧边坡为例,说明采用柔性位移计和多点位移计监测边坡深部位移的可行性,并根据柔性位移计和多点位移计自动化监测数据,按强降雨前和强降雨期研究边坡变形规律,分析边坡变形成因。
关键词 边坡变形 柔性位移计 多点位移计 自动化
在线阅读 下载PDF
禄丰抽水蓄能电站工程信息化数字化规划
7
作者 张帅 张明达 黄张霖 《水电与抽水蓄能》 2026年第1期71-74,共4页
抽水蓄能已成为构建新型电力系统关键要素,在保障能源安全和促进能源转型方面的作用越发凸显。但抽水蓄能电站面临建设工期缩短、数字化与智能化管理等要求,结合“云大物移智”等新技术建设数字抽水蓄能电站是大势所趋。然而抽水蓄能电... 抽水蓄能已成为构建新型电力系统关键要素,在保障能源安全和促进能源转型方面的作用越发凸显。但抽水蓄能电站面临建设工期缩短、数字化与智能化管理等要求,结合“云大物移智”等新技术建设数字抽水蓄能电站是大势所趋。然而抽水蓄能电站工程信息化数字化规划设计、建设多是孤立推进,工程信息化数字化统筹建设行业实践不多,通过开展禄丰抽水蓄能电站工程信息化数字化规划研究,涵盖全生命周期信息化数字化规划、建设期智能建设规划和运行期智慧运营初步规划等三大部分,将电站打造成为绿色、低碳的数字电站,可供类似工程设计参考。 展开更多
关键词 抽水蓄能电站 工程信息化数字化 规划设计
在线阅读 下载PDF
考虑土体变形模量不确定性的穿堤管道埋深分析 被引量：1
8
作者 夏辉 蒋成阳 +2 位作者 徐文俊 吴舒海 徐波 《水利规划与设计》 2025年第2期144-149,共6页
为分析埋地钢质管道在河流穿越段承受静态荷载时的力学行为和变形特性,文章选取典型河流穿越段的埋地管道作为研究对象,利用有限元软件建立管道的计算模型,系统研究了不同土体力学参数和埋设深度对管道响应的影响。结果表明:随着土体变... 为分析埋地钢质管道在河流穿越段承受静态荷载时的力学行为和变形特性,文章选取典型河流穿越段的埋地管道作为研究对象,利用有限元软件建立管道的计算模型,系统研究了不同土体力学参数和埋设深度对管道响应的影响。结果表明:随着土体变形模量的增加,管道的应力和位移均有所降低,且二者之间存在线性相关;而管道的位移随着埋深的增加而增加,管道应力则先随埋深增加而上升,之后趋于稳定。研究结论深化了对复杂地质条件下埋地管道受力和变形机制的理解,为管道的设计、施工和维护工作提供了理论支持,同时对相关工程项目的规划与实施具有参考意义。 展开更多
关键词 穿堤管道 土体变形模量 静力荷载 应力分析 位移分析
在线阅读 下载PDF
基于多基准站与监测网平差的北斗变形监测方法研究——以龙滩水电站边坡为例
9
作者 邵元 《红水河》 2026年第1期30-34,54,共6页
针对传统单基准站在水电工程边坡复杂环境下变形监测精度与稳定性易受干扰的问题,依托龙滩水电站左岸边坡,开展多基准站北斗高精度变形监测方法研究。选取2个基准站和6个监测站组成监测网,基于26天连续观测数据,分别采用单基准站解算、... 针对传统单基准站在水电工程边坡复杂环境下变形监测精度与稳定性易受干扰的问题,依托龙滩水电站左岸边坡,开展多基准站北斗高精度变形监测方法研究。选取2个基准站和6个监测站组成监测网,基于26天连续观测数据,分别采用单基准站解算、多基准站加权融合及监测网整体平差三种模型进行处理,对比分析各方法在东(E)、北(N)、天(U)方向的监测精度。结果表明:单基准站在东、北、天三个方向解算精度分别为0.7~0.9 mm、2.2~2.5 mm、2.7~3.6 mm;多基准站解算与监测网平差在各方向的精度均优于单基准站解算,其中北方向的精度提升最为显著;相较于单基准站解算,两种方法在东、北、天三个方向的平均精度提升比例分别达27%、37%、25%和18%、36%、18%。多基准站解算与监测网平差可有效削弱半遮挡环境下局部误差干扰,显著提升变形监测的精度与可靠性。 展开更多
关键词 北斗变形监测 多基准站解算 监测网平差 水电站边坡 精度分析 龙滩水电站
在线阅读 下载PDF
基于CPO-Transformer-BiGRU的大坝变形预测
10
作者 曹俊 《吉林水利》 2025年第7期6-11,共6页
为了提升模型对非线性或非稳定大坝变形数据的预测精度以及模型的泛化性和适用性,提出了一种基于冠豪猪优化算法(CPO)优化Transformer和双向门控循环单元(BiGRU)的大坝变形预测模型(CPO-Transformer-BiGRU)。Transformer具有全面捕捉序... 为了提升模型对非线性或非稳定大坝变形数据的预测精度以及模型的泛化性和适用性,提出了一种基于冠豪猪优化算法(CPO)优化Transformer和双向门控循环单元(BiGRU)的大坝变形预测模型(CPO-Transformer-BiGRU)。Transformer具有全面捕捉序列数据的全局依赖关系、适用于处理长序列非线性数据的优点;BiGRU能够捕捉时间序列中的局部时序依赖关系,尤其是前后双向的短期依赖关系,适合处理段时序数据。该模型组合了Transformer和BiGRU模型,利用各自的优势互补不足,既能捕捉长距离的全局依赖,又能建模短距离的局部时序特征,从而更全面地理解时间序列数据,并利用CPO算法对模型进行参数寻优以提升模型的收敛速度和预测性能。以某水电站大坝为例,将该模型应用于GLD1和DS2两个不同沉降监测点进行变形预测,将该模型的预测结果与其他模型进行对比分析,结果表明该模型具有较强的泛化能力和适用性,通过Transformer捕捉数据的全局依赖关系,BiGRU捕捉数据间的短期依赖关系,能够深度挖掘大坝变形数据的非线性特征,预测精度明显高于其他模型,验证了该模型在大坝变形预测的可行性和优越性。 展开更多
关键词 大坝变形预测 双向门控循环单元 冠豪猪优化算法 TRANSFORMER
在线阅读 下载PDF
水利大坝变形安全监测优化方案设计与应用
11
作者 蔡洪亮 《工程技术研究》 2025年第20期41-43,共3页
为提高大坝安全监测能力,解决现有大坝监测中存在的部分问题,以引绰济辽工程的文得根水利枢纽工程为依托,对监测方案进行优化设计,并进一步分析坝体不同位置的位移数据。研究结果表明,采用优化监测方案后,测量误差可满足监测技术规范与... 为提高大坝安全监测能力,解决现有大坝监测中存在的部分问题,以引绰济辽工程的文得根水利枢纽工程为依托,对监测方案进行优化设计,并进一步分析坝体不同位置的位移数据。研究结果表明,采用优化监测方案后,测量误差可满足监测技术规范与精度要求,同时提高了观测自动化程度;坝体迎水面一侧变形存在受剪区,且下游溢洪道在丰水期间位移变化显著,因而在实际工程中应进一步对坝体迎水面一侧采取防护措施,采用溢洪道进行排水时,应进一步增加溢洪道处的监测频率。 展开更多
关键词 水利大坝 安全监测 位移监测
在线阅读 下载PDF
基于IHHO-LSTM-KAN的大坝变形预测模型 被引量：1
12
作者 丁勇康 远近 +3 位作者 毛延翩 都旭煌 齐智勇 苏怀智 《水利水电技术(中英文)》 北大核心 2025年第5期170-182,共13页
【目的】全生命周期高精度的变形预测是评估大坝服役性态和保障大坝安全运行的关键方法。目前预测模型存在数据特征相关性解析不足、对短时序数据预测精度不高、忽视时序持续增长的特性、模型训练易陷入局部最优等问题。【方法】提出一... 【目的】全生命周期高精度的变形预测是评估大坝服役性态和保障大坝安全运行的关键方法。目前预测模型存在数据特征相关性解析不足、对短时序数据预测精度不高、忽视时序持续增长的特性、模型训练易陷入局部最优等问题。【方法】提出一种大坝变形预测模型,利用长短期记忆网络(LSTM)捕捉时序长短期依赖关系,并耦合KAN机制改进网络全连接层结构以增强对长短时序复杂数据关系的表征能力,采用多策略改进的哈里斯鹰优化算法(IHHO)探索超参数最优组合,从而优化模型结构、解决梯度问题、加速训练收敛并提高预测性能。【结果】实例表明,该模型对长短时序的预测精度和泛化能力均优于其他深度学习模型,收敛速度优于其他智能优化算法,KAN机制对短时序预测的改进效果较为明显。【结论】所建模型具有较好的稳健性与适用性,可为大坝全生命周期的安全监测提供技术参考。 展开更多
关键词 大坝变形预测 短时间序列 长短期记忆网络 KAN 改进哈里斯鹰优化算法 变形 影响因素
在线阅读 下载PDF
基于IKOA优化SAGRU的大坝变形预测模型 被引量：1
13
作者 胡伟泊 赵二峰 +1 位作者 胡灵芝 黎祎 《人民长江》 北大核心 2025年第6期222-228,共7页
为充分发掘大坝变形监测数据中的有效信息并提升监控模型的预测精度,提出了基于IKOA优化SAGRU的大坝变形预测模型。首先,在门控循环单元(GRU)中引入自注意力机制,通过计算时间维度特征的贡献率,有效捕捉实测数据中的关键时序特征,提升... 为充分发掘大坝变形监测数据中的有效信息并提升监控模型的预测精度,提出了基于IKOA优化SAGRU的大坝变形预测模型。首先,在门控循环单元(GRU)中引入自注意力机制,通过计算时间维度特征的贡献率,有效捕捉实测数据中的关键时序特征,提升模型对关键信息的敏感性;然后通过混沌映射初始化、Runge-Kutta位置更新和ESQ强化3种策略对开普勒优化算法(KOA)进行改进,以对耦合自注意力机制的门控循环单元(SAGRU)中的超参数进行自动寻优。应用实例表明:改进开普勒优化算法(IKOA)在寻优速度和精度方面均优于麻雀搜索算法、灰狼优化算法、北方苍鹰优化算法和传统KOA,模型的RMSE相比GRU、LSTM和XGBoost模型分别降低了48.45%,54.56%和58.14%,尤其在实测位移变化的关键拐点和峰值处,优化后的模型展现了更好的拟合效果,表明该模型能够全面挖掘大坝变形序列中的时序特征,解决了GRU记忆容量有限,以及传统优化算法收敛速度慢且易陷入局部最优解的问题,显著提高了大坝变形预测模型的准确性。 展开更多
关键词 大坝变形监测 门控循环单元(GRU) 改进开普勒优化算法(IKOA) 自注意力机制 深度学习 小湾双曲拱坝
在线阅读 下载PDF
基于PCA-GO-BP-AdaBoost的大坝变形监控模型 被引量：1
14
作者 代硕 苏怀智 +1 位作者 谷宇 郭莹莹 《人民黄河》 北大核心 2025年第S1期100-102,104,共4页
构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,... 构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,在降低模型复杂度的同时可提取输入向量的关键特征;引入鹅优化算法(GO)对BP神经网络初始参数进行寻优,以避免因参数随机性,导致的模型预测精度较低,构建GO-BP弱预测器,进一步提高BP神经网络良好的泛化能力;最后,利用自适应增强算法(AdaBoost)将弱预测器加权组合为强预测器。以某混凝土坝为例,通过对比多种模型预测结果,证明了该模型泛化能力更好,预测精度更高。 展开更多
关键词 大坝变形监测 主成分分析 BP神经网络 自适应增强算法 鹅优化算法
在线阅读 下载PDF
基于优化统计模型的混凝土坝变形异常值自适应识别
15
作者 肖晟 杨杰 +2 位作者 程琳 马春辉 徐笑颜 《水力发电学报》 北大核心 2025年第8期105-118,共14页
利用大坝变形监测数据构建安全监控模型,是定量分析大坝变形性态的重要方法。然而,大多现有的变形监控模型在影响因子优选和抗异常值干扰等方面存在显著不足。为此,本文提出了一种基于优化统计模型的混凝土坝变形异常值自适应识别方法,... 利用大坝变形监测数据构建安全监控模型,是定量分析大坝变形性态的重要方法。然而,大多现有的变形监控模型在影响因子优选和抗异常值干扰等方面存在显著不足。为此,本文提出了一种基于优化统计模型的混凝土坝变形异常值自适应识别方法,该方法能够在回归建模的同时识别异常值,从而避免数据清洗过程中因误删异常值而导致的监控模型失真。首先,引入贝叶斯模型选择技术,对影响混凝土坝变形的冗余因子进行约简,进而优选出统计建模过程中具有重要影响的解释变量;随后,采用最小截平方和估计对变形监测数据进行稳健回归分析,构建能够自适应识别不同异常类型的混凝土坝变形监控模型;最后,设计实现数据序列中各类异常值的可视化展示,以直观呈现异常位置及其潜在影响。工程应用实例表明,所提方法能够有效识别混凝土坝变形关键影响因子,自适应地克服不同异常类型对回归分析的干扰,从而使回归的显著性增强,拟合优度和预测精度提高,在监测数据异常检测及大坝安全性态的定量分析中具有良好的适用性。 展开更多
关键词 安全监测 混凝土坝 统计模型 异常值识别 最小截平方和估计 贝叶斯模型选择
在线阅读 下载PDF
改进的YOLOv8n模型在大坝裂缝检测中的应用研究
16
作者 薛文博 齐慧君 +2 位作者 尹广林 吴志伟 李同春 《水力发电学报》 北大核心 2025年第10期48-58,共11页
针对大坝裂缝检测中监控图像质量低、有效样本稀缺及复杂背景干扰导致的误检问题,本研究提出一种基于改进YOLOv8n的检测方法。通过193张工程实拍背景复杂的裂缝图像对模型进行训练,并通过修改马赛克数据增强机制,针对误检目标进行负样... 针对大坝裂缝检测中监控图像质量低、有效样本稀缺及复杂背景干扰导致的误检问题,本研究提出一种基于改进YOLOv8n的检测方法。通过193张工程实拍背景复杂的裂缝图像对模型进行训练,并通过修改马赛克数据增强机制,针对误检目标进行负样本训练。实验结果显示:小样本训练下YOLOv8n模型m AP达到89.2%,满足一般工程应用;经负样本训练后模型m AP达到92.5%,误检率下降10.1%,显著解决复杂背景下的误检问题。研究表明YOLOv8n模型能够胜任图像质量较低的大坝监控图像,且负样本训练策略对解决模型误检问题有显著效果,为解决水利工程裂缝识别问题提供了新的思路,具有较高的工程应用价值。 展开更多
关键词 水利工程 YOLOv8 负样本训练 大坝裂缝检测 水利工程安全监测
在线阅读 下载PDF
土石坝渗流预测的BiTCN-Attention-LSSVM模型研究
17
作者 傅蜀燕 杨石勇 +2 位作者 陈德辉 王子轩 欧斌 《水资源与水工程学报》 北大核心 2025年第1期118-128,共11页
为了克服常规机器学习模型在处理时序数据时难以有效捕捉长期依赖关系和局部重要性的局限,提出了一种基于双向时序卷积神经网络(BiTCN)、注意力机制(Attention)和最小二乘支持向量机(LSSVM)的土石坝渗流预测耦合模型。该模型利用BiTCN... 为了克服常规机器学习模型在处理时序数据时难以有效捕捉长期依赖关系和局部重要性的局限,提出了一种基于双向时序卷积神经网络(BiTCN)、注意力机制(Attention)和最小二乘支持向量机(LSSVM)的土石坝渗流预测耦合模型。该模型利用BiTCN从前、后两个方向捕获时序数据中的长期依赖关系,引入Attention机制帮助模型专注于与预测相关的关键局部特征,并将BiTCN-Attention深度处理后的特征输入LSSVM模型中进行预测,最后以2个不同的数据集分析了模型的预测效果。案例分析表明:与LSSVM、CNN-LSSVM和TCN-LSSVM相比,BiTCN-Attention-LSSVM模型预测的各项评价指标均为最优,在土石坝测压管水位预测中展现出更高的模型精度和稳定性;BiTCN与Attention的相互结合能够更好地提取时序数据中的相互依赖关系,将BiTCN-Attention提取的特征输入LSSVM中进行预测可获得良好的预测性能,数据集扩充处理后有效提高了模型的学习能力。 展开更多
关键词 土石坝测压管水位 渗流预测 双向时序卷积神经网络 注意力机制 最小二乘支持向量机
在线阅读 下载PDF
InSAR在水利工程变形监测中的应用研究进展 被引量：1
18
作者 褚夫玉 张心怡 +1 位作者 康建荣 胡海峰 《水利水电快报》 2025年第9期85-91,共7页
为研究InSAR技术在水利工程变形监测中的应用现状,保障水利工程安全稳定运行,通过调研相关文献,梳理目前常用SAR影像的基本信息,归纳各InSAR技术方法并总结其基本特点。从实际应用层面,分析InSAR技术在水库坝体、库区边坡、堤防、水工... 为研究InSAR技术在水利工程变形监测中的应用现状,保障水利工程安全稳定运行,通过调研相关文献,梳理目前常用SAR影像的基本信息,归纳各InSAR技术方法并总结其基本特点。从实际应用层面,分析InSAR技术在水库坝体、库区边坡、堤防、水工建筑物及水利工程基础等多个领域的变形监测应用现状及存在的问题,同时探讨InSAR技术在长距离地下输水管线工程变形监测中的应用。研究结果显示,InSAR技术在水利工程变形监测领域存在以下关键问题:(1)水位波动导致水利工程水下部分成为监测盲区;(2)复杂地形下DEM精度不足,SAR影像几何畸变(如叠掩、阴影),影响数据可靠性;(3)大气延迟误差制约长时序监测的稳定性;(4)地下输水管线面临三维变形反演困难、低相干区信号失效及土壤特性干扰等挑战。随着SAR卫星技术的不断发展,InSAR技术在水利工程变形监测中的应用将更加广泛、深入并可发挥重要作用。 展开更多
关键词 INSAR 水利工程 变形监测 地下输水管线
在线阅读 下载PDF
基于改进式时序模型的塔村水库大坝变形预测研究 被引量：3
19
作者 胡泽华 《水利技术监督》 2025年第1期205-207,218,共4页
监测大坝变形以预防潜在风险是大坝安全监控的核心。为了准确预测大坝未来的变形趋势,本文提出一种改良的时序分析模型,该模型结合长短时记忆网络(LSTM),注意力机制(Attention)和双位置编码Transformer技术,用于塔村水库大坝监测。通过... 监测大坝变形以预防潜在风险是大坝安全监控的核心。为了准确预测大坝未来的变形趋势,本文提出一种改良的时序分析模型,该模型结合长短时记忆网络(LSTM),注意力机制(Attention)和双位置编码Transformer技术,用于塔村水库大坝监测。通过利用LSTM有效处理时间序列数据,Attention机制突出有效特征信息及双位置编码的Transformer的性能增强,该模型展现出较高的预测准确性,表明其在大坝变形预测中的应用潜力。 展开更多
关键词 大坝变形预测 深度学习 循环-展开长短时记忆网络 TRANSFORMER
在线阅读 下载PDF
融合特征因子筛选的拱坝变形深度学习预测模型
20
作者 刘桓辰 朱静 郭梦京 《水利水电技术(中英文)》 北大核心 2025年第3期123-134,共12页
【目的】变形是库水、温度和材料特性等多因素耦合作用下大坝整体服役性态的直接表征,建立精确、高效的预测模型对于掌握坝体变形趋势和评估大坝风险具有重要意义。【方法】针对传统预测模型精度低、适应性差和抗噪能力弱等问题,将哈里... 【目的】变形是库水、温度和材料特性等多因素耦合作用下大坝整体服役性态的直接表征,建立精确、高效的预测模型对于掌握坝体变形趋势和评估大坝风险具有重要意义。【方法】针对传统预测模型精度低、适应性差和抗噪能力弱等问题,将哈里斯鹰算法(HHO)、变分模态分解(VMD)、随机森林算法(RF)和长短时记忆神经网络(LSTM)相结合,提出了一种混凝土拱坝变形深度学习预测模型。首先,通过引入Tent混沌映射、能量随机性递减策略改进HHO算法,利用IHHO-VMD方法分解拱坝变形数据序列得到若干不同频率的模态分量(IMF);其次,利用RF算法计算变形特征因子的贡献率,筛选预测模型最优输入因子集合;最后,采用LSTM模型对各IMF分量进行学习和预测,重构各分量预测值得到最终的变形预测值。【结果】仿真信号分解结果表明:与现有信号分解方法相比,采用IHHO-VMD方法可以实现信号最优分解。通过某工程实例分析,所提模型预测4个测点位移时,平均RMSE、MAE、R^(2)和MAPE为0.3976 mm、0.3275 mm、0.9918和1.5194%。【结论】相较于其他组合模型,所提模型的4种评价指标结果均为最优,表明该模型具有预测精度高、泛化能力好和鲁棒性强等优势。 展开更多
关键词 混凝土拱坝变形 哈里斯鹰算法 变分模态分解 随机森林算法 长短时记忆神经网络 水利工程 变形
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 124 下一页 到第 页
使用帮助 返回顶部