文献类型：期刊文章

作　　者：欧斌[1] 吴邦彬[2] 袁杰[3] 李淑芳[1]

OU Bin;WU Bangbin;YUAN Jie;LI Shufang(College of Water Conservancy,Yunnan Agricultural University,Kunming 650201,China;Nanchang Institute of Technology,Nanchang 330099,China;Zhejiang Zhongshui Engineering Technology Co.,Ltd.,Hangzhou 310000,China)

机构地区：[1]云南农业大学水利学院,云南昆明650201 [2]南昌工程学院,江西南昌330099 [3]浙江中水工程技术有限公司,浙江杭州310000

出　　处：《水利水电科技进展》

基　　金：国家自然科学基金(52069029)。

年　　份：2022

卷　　号：42

期　　号：1

起止页码：21-26

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提升混凝土坝变形预测的精度,采用具有出色的非线性数据挖掘能力与时间序列长、短期预测性能的长短期记忆网络(LSTM),提出了基于LSTM网络的混凝土坝变形预测模型。实例分析表明,相比于常用的逐步回归、多元回归等方法,基于LSTM网络构建的变形预测模型可有效挖掘大坝变形与影响因子间复杂的非线性关系,模型的建模与预测精度均得以显著提升。

关 键 词：混凝土坝 长短期记忆网络  大坝变形 预测模型  

分 类 号：TV698.1]