基于混合注意力机制和深度学习的大坝变形预测模型

作     者：向镇洋 包腾飞 白妍丽 宋宝钢 王瑞婕 XIANG Zhenyang;BAO Tengfei;BAI Yanli;SONG Baogang;WANG Ruijie

作者机构：河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 河海大学水利水电学院江苏南京210098 三峡大学水利与环境学院湖北宜昌443002 甘肃省水利水电勘测设计研究院有限责任公司甘肃兰州730000 

基　　金：国家重点研发计划(2018YFC1508603) 国家自然科学基金重点项目(51739003) 浙江省水利水电勘测设计院有限责任公司科标业项目(B2013) 

出 版 物：《水利水电科技进展》 (Advances in Science and Technology of Water Resources)

年 卷 期：2023年第43卷第2期

页      码：96-101页

摘      要：为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼优化算法(WOA)的双向门控循环网络(BiGRU)预测模型。模型利用WOA对BiGRU进行超参数寻优以有效挖掘变形数据在时间维度的深层信息,并引入融合特征注意力(FATT)和时间注意力(TATT)的混合注意力机制计算各影响因子的贡献率,使模型可视化并提高模型捕捉环境因素动态变化的能力。以某高拱坝为例,将该模型预测结果与多种常用模型预测结果进行对比分析,结果表明该模型预测精度显著提升,贡献率计算符合大坝变形研究成果,验证了模型在大坝变形预测中的优越性与合理性。

主 题 词：大坝变形预测 深度学习 混合注意力机制 鲸鱼优化算法 

学科分类：081504[081504] 08[工学] 0815[工学-矿业类] 

核心收录：

D　O　I：10.3880/j.issn.1006-7647.2023.02.015

馆 藏 号：203118629...