基于CNN-LSTM的大坝变形组合预测模型研究

作者：王润英; 林思雨; 方卫华; 赵凯文

来源：水力发电, 2023, 1-6.

• 大坝变形
• 卷积神经网络
• LSTM神经网络
• 变形预测
• 预测精度
• 柏叶口水库

为了提高大坝变形预测模型精度和泛化能力，建立了一种基于卷积神经网络（Convolutional neural networks，CNN）与深度学习长短期记忆（Long short-term memory，LSTM）神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征，再利用LSTM生成特征描述，该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例，经过CNN-LSTM模型计算，将模型变形预测值与原型监测资料进行对比，再与LSTM模型及CNN模型的预测结果进行对比。结果表明，CNN-LSTM模型预测值最接近监测资料实值结果。

• 单位
  水利部南京水利水文自动化研究所; 河海大学