基于FCM-WOA-LSTM的大坝变形预测模型及其应用

作者：曹梦茜; 郑东健^*

来源：水电能源科学, 2023, 41(05): 71-75.

DOI：10.20040/j.cnki.1000-7709.2023.20221887

• 大坝变形
• 测点分区
• 模糊C-均值聚类
• 鲸鱼优化算法
• 长短期记忆网络

随着大坝变形监测资料的持续积累和变形测点数量的不断增多，预测分析全部变形测点往往需耗费大量的时间，容易造成反馈不及时的问题。对此，引入模糊C-均值聚类算法(FCM),根据大坝变形规律的相似程度进行分区，将鲸鱼优化算法(WOA)用于长短期记忆神经网络(LSTM)模型的参数优化，建立基于FCM-WOA-LSTM的大坝变形预测模型，以某混凝土双曲拱坝的实测变形资料作为样本数据进行预测分析，并与LSTM模型和SVM模型的预测结果进行对比。结果表明，FCM-WOA-LSTM模型预测结果的平均绝对误差MMAE、均方误差MMSE、均方根误差RRMSE均为3种模型中最小，且拟合段的3个评价指标值和预测段的3个评价指标值均接近，FCM-WOA-LSTM模型具有更高的预测精度和更好的适用性。

• 单位
  水文水资源与水利工程科学国家重点实验室; 河海大学