基于HHO-QRNN模型的大坝变形预测方法

作     者：李天翔 王峰 刘革瑞 LI Tian-xiang;WANG Feng;LIU Ge-rui

作者机构：太原理工大学电子信息与光学工程学院山西晋中030600 山西省水利厅山西太原030002 

基　　金：山西省水利科学技术研究与推广项目(2022GM002) 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2024年第42卷第5期

页      码：117-120,116页

摘      要：为有效利用大坝位移数据集中的真实信息,提高预测模型精准度,缩减建模分析训练时间,提出基于卡尔曼滤波算法、完全噪声辅助聚合经验模态分解和准循环神经网络的大坝位移预测方法。首先,模型采用卡尔曼滤波算法对原始输入数据进行处理,提取行有效信息,消除观测噪声影响;其次,设计一种信号分解算法,从累计位移值提取出趋势项、周期项和随机项数据集,以分离不同诱发因素对于大坝位移量的影响;最后,提出一种基于改进哈里斯鹰算法优化准循环神经网络的位移预测算法,对不同数据集分别采用此算法建模预测,将预测结果对应叠加得到最终预测结果。以某水库大坝的历史位移观测数据集为例,将所提模型与其他传统预测模型进行对比分析,结果表明,该模型预测精度和训练速度等方面均有显著提升,验证了其可行性和先进性。

主 题 词：大坝变形预测 哈里斯鹰优化算法 准循环神经网络 深度学习 

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

D　O　I：10.20040/j.cnki.1000-7709.2024.20230851

馆 藏 号：203127717...