论文摘要
大坝变形的时空演变预测分析有助于大坝管理人员及时掌握大坝空间的整体变形状态。目前,大坝变形预测研究分为两个方面:1)通过仅对分布变形仪器部位进行时间序列预测,得出下一时刻的变形值（如BP神经网络）;2)利用周围变形数据进行空间插值,得到当前时刻未分布仪器点的变形值。单独使用上述任何一种方法都无法利用历史变形数据预测下一时刻未分布仪器部位的变形状况。针对该问题,结合空间预测模型时空克里金方法（STKriging,STK）与神经网络模型即BP神经网络及门限循环神经网络（Gated Recurrent Unit,GRU）各自的优势,构造了一种新型时空序列预测算法（BP-STK-GRU）,实现了对未分布监测仪器部位的变形值预测。主要步骤包括:1)GRU优化单个测点的历史时间序列变形值;2)BP拟合测点下一时刻数据的整体趋势;3)利用STK拟合BP预测结果的稳定部分;4)结合空间插值及BP空间整体预测值,得出未分布仪器点的变形值。实验结果表明,所提方法是有效的,并且在对未知点的变形预测稳定性及精确度方面都有很好的表现。
论文目录
文章来源
类型: 期刊论文
作者: 毛莺池,曹海,何进锋
关键词: 大坝变形,时空预测,门限循环神经网络,网络,空间插值
来源: 计算机科学 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 水利水电工程,自动化技术
单位: 河海大学计算机与信息学院
基金: “十三五”国家重点研发计划项目(2018YFC0407105),华能集团重点研发课题(HNKJ17-21)资助
分类号: TV698.11;TP183
页码: 223-229
总页数: 7
文件大小: 1277K
下载量: 194
相关论文文献
标签：大坝变形论文; 时空预测论文; 门限循环神经网络论文; 网络论文; 空间插值论文;