基于卷积循环神经网络的混凝土坝变形预报
Journal of Harbin Engineering University（2023）
摘要
针对混凝土坝变形量与变形因子之间作用机理的复杂性,本文结合深度学习网络对复杂特征信息挖掘的优势,建立基于CNN-GRU的混凝土坝变形预测模型.采用卷积神经网络对历史变形监测数据进行卷积以提取时间序列的特征,利用门控循环单元生成特征描述,进一步挖掘变形序列变化趋势,实现对混凝土坝的变形预测.基于实际监测数据研究表明:本文所提的方法获得了更高的预测精度,均方根误差达到 0.837 1,平均绝对误差达到0.604 9,平均绝对百分误差达到 9.47,在大坝变形监测中具有一定的优越性和实用性.
更多关键词
concrete dam,deformation prediction,prediction model,convolutional neural network,gate recurrent unit,combination model,prediction accuracy,evaluation index
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要