基于PCA-PSO-GRU模型的重力拱坝诱导缝开合度预测

作者：马杰; 刘晓青^*; 黄永涛

来源：水电能源科学, 2023, 41(02): 95-99.

DOI：10.20040/j.cnki.1000-7709.2023.20221535

• 诱导缝开合度
• PCA
• PSO
• GRU
• 混凝土重力拱坝
• 预测模型

针对以往裂缝开合度时间序列数据预测中未有效利用众多实测温度数据，且各自变量之间存在多重相关性的问题，考虑主成分分析法(PCA)在处理多维数据上的优势以及门限循环单元(GRU)神经网络在处理复杂时间序列数据问题上的优势，构建了PCA-PSO-GRU组合预测模型。以某混凝土重力拱坝坝左诱导缝的开合度监测数据为样本，提取输入变量的主成分来降低输入数据的维度，然后进行模型训练和多步预测，采用平均绝对误差和均方根误差来评价模型的预测精度，并将预测结果与PSO-GRU、PCA-PSO-BP及传统的统计回归模型进行对比分析。结果表明，PCA-PSO-GRU组合预测模型在诱导缝时间序列数据预测方面具有更高的准确性，可为大坝诱导缝开合度评价提供一定的指导。

• 单位
  河海大学