基于LSTM与Transformer的大坝变形预测研究.pdfVIP

中国农村水利水电

250ChinaRuralWaterandHydropower

文章编号：1007-2284（2024）04-0250-08水电与新能源

基于LSTM与Transformer的大坝变形预测研究

12122

翁鸣昊，项兴华，陈俊涛，邵广俊，胡伟飞

（1.武汉大学水利水电学院，湖北武汉430072；2.国网浙江省电力有限公司紧水滩水力发电厂，浙江丽水323000）

摘要：变形是大坝运行过程中受内外荷载作用下其状态的直观表现，构建高精度的变形预测模型对大坝安全预警

与运行状态评估有着重要的意义。针对已有的大坝位移模型训练时间长，预测模型预测精度和泛化能力一般，无法满足

大坝位移中短期准确预测的问题，耦合长短时记忆网络（LSTM）与Transformer框架，引入改进的粒子群优化算法（IPSO）

进行优化，建立了IPSO-LSTM-Transformer（ILT）大坝变形预测模型。以紧水滩拱坝正垂线11-1测点为例，选取6150组

变形时间序列数据进行分析与预测。研究结果表明，模型预测精度会随着预测期的增大而出现一定程度的下降，但在预

测步长10以内均具有良好的预测能力；与传统粒子群优化算法相比，ILT模型显著提升了模型的寻优精度和收敛速度；

与RNN、LSTM、IPSO-Transformer神经网络模型单步与多步预测结果对比，ILT模型具有更高的精度和更好的稳定性，即

使在训练数据较少时也能保证较好的预测效果。研究成果为实现运行期大坝位移的中短期精确预测提供了新的技术

手段。

关键词：大坝变形预测；深度学习；长短时记忆网络；粒子群优化；Transformer

中图分类号：TV698.11文献标识码：ADOI：10.12396/znsd.231391

翁鸣昊，项兴华，陈俊涛，等.基于LSTM与Transformer的大坝变形预测研究［J］.中国农村水利水电，2024（4）：250-257.DOI：10.12396/

znsd.231391.

WENGMH，XIANGXH，CHENJT，etal.DamdeformationpredictionresearchbasedonLSTMandtransformer［J］.ChinaRuralWater

andHydropower，2024（4）：250-257.DOI：10.12396/znsd.231391.

DamDeformationPredictionResearchBasedonLSTMandTransformer

12122

WENGMing-hao，XIANGXing-hua，CHENJun-tao，SHAOGuang-jun，HUWei-fei

（1.SchoolofWaterResourceandHydropowerEngineering，WuhanUniversity，Wuhan430072，