基于EEMD-LSTM-A...A的土石坝渗压预测模型研究_岑威钧.pdf
《基于EEMD-LSTM-A...A的土石坝渗压预测模型研究_岑威钧.pdf》由会员分享,可在线阅读,更多相关《基于EEMD-LSTM-A...A的土石坝渗压预测模型研究_岑威钧.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月水 资 源 与 水 工 程 学 报 ,收稿日期:;修回日期:基金项目:国家自然科学基金项目(、)作者简介:岑威钧(),男,浙江慈溪人,博士,教授,博士生导师,研究方向为土石坝抗震与工程渗流安全。:基于 的土石坝渗压预测模型研究岑威钧,王肖鑫,蒋明欢(河海大学 水利水电学院,江苏 南京)摘 要:渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解重构组合”的思想构建了土石坝渗压预测的 模型。首先采用集合经验模态分解()对时间序列特征进行提取,根据长短期记忆神经网络()对提取出的特征分
2、量进行预测,同时结合差分自回归移动平均方法()进行残差修正,组合 和 的预测结果,重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例,选取主河床坝体防渗墙后 个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明:相较于单一的 模型和 模型,改进模型的平均绝对误差、均方误差、均方根误差 均为 种模型中的最小值,预测精度明显优于另外 种模型,该模型为土石坝渗压的精确预测分析提供了新途径。关键词:土石坝;渗压预测;集合经验模态分解;长短期记忆神经网络;差分自回归移动平均中图分类号:文献标识码:文章编号:(),(,):,(),(),(),:;();();()研究背景渗压监测是评判土石坝渗流安
3、全性态的必要手段之一。渗压值受到库水位、降雨、气温等外界因素的影响,导致其时间序列呈现出非线性、多突变等特点。因此,探究并建立准确有效的土石坝渗压预测模型具有重要的现实意义。近年来,随着人工智能和机器学习的不断发展,机器学习算法逐渐应用于土石坝渗压预测模型的构建中。王晓玲等将特征注意力机制引入蚁狮算法优化的长短期记忆网络,提出了一种土石坝渗压预测耦合模型,并研究了影响渗压效应量的影响因子。刘永涛等根据集合经验模态分解(,对土石坝渗压监测值进行分解,采用相关向量机(,)对分解后的各分量预测后叠加,结果表明所建组合模型能够对突变点进行有效预测,提高了模型的泛化能力。陈守开等考虑了渗压时序数据的动态
4、变化特征,建立了基于动态记忆功能的循环神经网络渗压预测模型,结果表明所建模型整体上能够较好预测渗压的变化趋势,相较于静态模型误差减小了,具有较高的可靠度和预测性能。秦继辉等将能够筛选显著相关因素的逐步回归分析(,)和小波神经网络(,)相结合,构建了基于 的土石坝渗压预测模型,改进模型预测结果的均方根误差()和平均绝对误差()均小于单一逐步回归和小波神经网络模型。研究发现,不管是传统的回归预测,还是应用越来越广的机器学习预测,单一模型往往具有一定的局限性,机器学习算法对数据噪声的敏感性较强,很难达到理想的预测精度。本文基于“分解重构组合”的思想,引入了能够将非平稳序列分解为多个平稳分量的集合经验
5、模态分解(),采用非线性拟合能力较强的长短期记忆神经网络(,)进行预测分析,同时根据差分自回归移动平均方法(,)进行残差修正,并应用于某土工膜防渗土石坝的渗压预测分析,验证了改进模型的可靠性。基于 的组合预测模型 算法集合经验模态分解()广泛应用于从非线性序列中提取信号。该算法通过对信号引入有限幅度的白噪声,有效解决了信号混频现象,具体实现过程如下。将生成的白噪声序列()与时间序列()组合,得到新时间序列():()()()(,)()式中:为生成白噪声序列的次数。采用经验模态分解(,)对新时间序列()分解,分量包含本征模态函数,()和趋势项():(),()()()式中:,()为添加 次白噪声后计
6、算出的第 个本征模态函数;为本征模态函数的数量。将 组本征模态函数,()和趋势项()取平均计算得到分量()和趋势项():(),()()()()()式中:()为最终计算出的分量;()为最终趋势项。模型长短期记忆()网络是循环神经网络的改进模型,用输入门、输出门、遗忘门 种“门”和细胞状态组成的结构来代替传统神经网络中的隐藏层,算法能够较为准确地预测长时间序列,同时还可以克服计算过程中出现的梯度消失和爆炸等问题。遗忘门:(,)()式中:为函数;为遗忘门的权值;为上一时刻的单元输出;为时刻的输入;为遗忘门的偏移值。输入门:(,)()(,)()()式中:、分别为输出门和细胞状态的权值;、分别为输入门和
7、细胞状态的偏移值;为前一时刻细胞状态;为当前时刻细胞状态。输出门:(,)()()()式中:为输出门的权值;为输出门的偏移值;第 期 岑威钧,等:基于 的土石坝渗压预测模型研究为 时刻的单元输出。模型差分自回归移动平均模型()是一种广泛应用于各领域的预测模型,主要包含自回归模型和移动平均模型 个部分。自回归模型的阶数为,信号差分的阶数为,移动平均模型的阶数为,因此模型通常表示成(,),具体的数学表达式为:()()()()()()()()()式中:()为 阶自回归系数多项式;为差分;为时间序列;()为 阶移动平均系数多项式;为白噪声序列;为自回归系数;为移动平均系数。模型的具体实现过程如下:()对
8、所研究的时间序列数据进行平稳性验证,如果不满足要求,则对其进行 阶差分转换成平稳时间序列。()通过自相关系数图和偏自相关系数图以及贝叶斯信息准则确定阶数 和。()采用确定好阶数的(,)拟合时间序列,并根据预测后的数据和原时间序列进行结果统计和预测精度分析。渗压预测模型建模流程 基于 的渗压预测模型的建模流程如图 所示。图 渗压预测模型的建模流程 渗压预测模型建模采用 对渗压时间序列进行特征提取,将分解后得到的各本征模态分量(,)分量和剩余分量分别划分训练集和测试集代入 模型中进行训练得到 模型预测结果,确定具体的 模型后,对渗压时间序列进行预测,得到 残差预测结果,将 模型和 模型的预测结果重
9、构为 ,最终输出建立的 模型预测结果,并根据预测模型的评价指标(平均绝对误差、均方误差、均方根误差 )进行模型评价。实例土石坝工程应用某复合土工膜防渗土石坝,位于四川省康定县境内的大渡河支流田湾河的上游,坝顶高程为 ,最大坝高为,坝基覆盖层最大深度为 。该坝布置了较为完善的变形、渗流及相关环境量监测系统,其中渗流监测采用埋设在不同部位的多个渗压计数据,采集时间间隔为。选取大坝主河床处渗压计 和 两个测点 年 月 日至 年 月 日的实测数据进行研究,图 为研究期内库水位、和 测点渗压值以及降雨量的历时过程线。由图 可知,库水位、和 测点渗压值以及降雨量的历时过程线均为非平稳时间序列,和 测点渗压
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 EEMD LSTM 土石 坝渗压 预测 模型 研究 岑威钧
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。