基于CNN-LSTM的大坝变形组合预测模型研究.pdfVIP

第50卷第1期

2024年1月水力发电水工建筑

基于CNN-LSTM的大坝变形组合预测模型研究

王润英，林思雨，方卫华2.3，赵凯文1

（1.河海大学水利水电学院，江苏南京210024；

2.水利部南京水利水文自动化研究所，江苏南京210012；

3.水利部水文水资源监控工程技术研究中心，江苏南京210012)

摘要：为了提高大坝变形预测模型精度和泛化能力，建立了一种基于卷积神经网络（Convolutionalneuralnetworks，

CNN)与深度学习长短期记忆(Longshort-termmemory,LSTM）神经网络的组合预测模型CNN-LSTM。该模型先利用

CNN提取大坝变形监测时间序列的特征，再利用LSTM生成特征描述，该模型精度高、泛化能力强。以柏叶口水库

混凝土面板堆石坝为例，经过CNN-LSTM模型计算，将模型变形预测值与原型监测资料进行对比，再与LSTM模型

及CNN模型的预测结果进行对比。结果表明，CNN-LSTM模型预测值最接近监测资料实测结果。

关键词：大坝变形；卷积神经网络；LSTM神经网络；变形预测；预测精度；柏叶口水库

ResearchonDeformationPredictionMethodofConcreteFaceRockfillDamBasedonCNN-LSTM

WANGRunying,LINSiyu,FANGWeihua?3,ZHAOKaiwen

(1.CollegeofWaterConservancyandHydropowerEngineering,HohaiUniversity,Nanjing210024,Jiangsu,China;

2.NanjingResearchInstituteofHydrologyandWaterConservancyAutomation,MinistryofWaterResources,

Nanjing210012,Jiangsu,China;3.ResearchCenteronHydrologyWaterResearchMonitoring,

MinistryofWaterResources,Nanjing210012,Jiangsu,China)

Abstract:Inordertoimprovetheaccuracyandgeneralizationabilityofdamdeformationpredictionmodels,aneuralnetwork

combinationpredictionmodelCNN-LSTMisestablishedbasedontheconvolutionalneuralnetworks(CNN)andthedeep

learninglongshort-termmemory.Inthismodel,theCNNisfirstlyusedtoextractthefeaturesofdamdeformationmonitoring

timeseries,andthentheLSTMisusedtogeneratethefeaturedescription.Thismodelhashighaccuracyandstrong

generalizationability.TakingBaiyekouFaceRockfllDamasanexample,theCNN-LSTMmodelisusedtocalculatethedam

deformation,andthecalculationresultsarecomparedwiththeactual