基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法

doi:10.3880/j.issn.1006-7647.2022.05.018

首页 > 过刊浏览>2022年第42卷第5期 >121-126. DOI:10.3880/j.issn.1006-7647.2022.05.018

PDF HTML阅读 XML下载导出引用引用提醒

基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法

DOI:

10.3880/j.issn.1006-7647.2022.05.018

作者:

作者单位:

(1.河海大学水利水电学院,江苏南京210098;2.青岛市发展和改革委员会动能转换推进处,山东青岛266000;3.青岛市经济发展研究院,山东青岛266000)

作者简介:

邓思源(1997—),男,硕士研究生,主要从事大坝安全监控研究。E-mail: 625019563@qq.com

通讯作者:

中图分类号:

TV698

基金项目:

国家自然科学基金(51209078,51739003)

Analysis method of dam deformation trend based on Kalman filter, fractal and LSTM

Author:

Affiliation:

(1.College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China;2.Kinetic Energy Conversion Promotion Office, Qingdao Development and Reform Commission, Qingdao 266000, China;3.Qingdao Economic Development Research Institute, Qingdao 266000, China)

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

文章评论

摘要:

为了实现对大坝变形趋势的合理分析,提出了一种融合卡尔曼滤波、分形理论和长短时记忆神经网络(LSTM)的大坝变形趋势综合分析方法。该方法利用卡尔曼滤波对原始观测数据进行降噪处理,采用分形理论中的R/S方法对大坝未来变形趋势进行定性判断和解析,通过对滤波后数据建立LSTM定量预测模型,结合定性和定量的分析结果,实现大坝变形趋势的综合评判。实例分析结果表明,该方法能够较好地分析大坝变形趋势,对大坝监测数据的随机性和非平稳性具有较好的适用性,趋势分析和预测符合工程实际情况,为大坝的变形综合分析提供了一种新方法。

Abstract:

In order to realize reasonable analysis of dam deformation trend, a comprehensive analysis method integrated with Kalman filter, fractal and long short-term memory neural network

参考文献

相似文献

引证文献

引用本文

邓思源,周兰庭,柳志坤.基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法[J].水利水电科技进展,2022,42(5):121-126.(DENG Siyuan, ZHOU Lanting, LIU Zhikun. Analysis method of dam deformation trend based on Kalman filter, fractal and LSTM[J]. Advances in Science and Technology of Water Resources,2022,42(5):121-126.(in Chinese))

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:2021-09-12
最后修改日期:
录用日期:
在线发布日期: 2022-09-08
出版日期:

引用本文

分享

文章指标

历史