建立高性能的混凝土壩滲流預(yù)測模型是滲流安全監(jiān)控的重要手段,也是滲流安全性態(tài)評價的基礎(chǔ),結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)和長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)兩種深度學(xué)習(xí)算法,構(gòu)建混凝土壩滲流預(yù)測模型(CNN-LSTM),該模型先利用CNN提取滲流監(jiān)測時間序列的特征,然后利用LSTM生成特征描述,建立輸入與輸出間的映射關(guān)系,實(shí)現(xiàn)對混凝土壩的滲流預(yù)測。工程實(shí)例應(yīng)用表明,CNN-LSTM模型在混凝土壩滲流預(yù)測應(yīng)用中的數(shù)據(jù)擬合能力和預(yù)測精度較好,且不易陷入局部最優(yōu)解,可為混凝土壩的滲流預(yù)測和安全監(jiān)控提供科學(xué)依據(jù)。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引言
2 CNN-LSTM滲流預(yù)測模型構(gòu)建
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 長短期記憶網(wǎng)絡(luò)
    2.3 CNN-LSTM滲流預(yù)測模型
    2.4 滲流安全評價
3 工程實(shí)例預(yù)測
4 結(jié)論



本文編號：3823684