-
题名融合SARIMA与BiLSTM的水利设施形变预测
- 1
-
-
作者
唐帅
杨涛
皮明
张良
袁自祥
-
机构
西南科技大学信息工程学院特殊环境机器人技术四川省重点实验室
-
出处
《现代雷达》
CSCD
北大核心
2024年第3期96-103,共8页
-
基金
国家重点研发资助项目(2019YFB1310504)
四川省自然科学基金资助项目(2022NSFSC0542)。
-
文摘
水利设施形变预测可以有效地判断水利设施的运行状态。水利设施安全监测数据是时间序列数据,既有趋势性又有季节性。为了获得更准确的预测结果,文中提出一种基于季节自回归差分移动平均(SARIMA)模型和双向长短时记忆(BiLSTM)网络的预测模型,以解决无法充分挖掘数据中正向与反向的关联进行预测的问题。该模型采用SARIMA模型预测变形数据中的线性分量,采用BiLSTM模型预测变形数据中的非线性分量,使得模型能够更好地提取历史数据中的非线性关系以及正向与反向关系从而提高预测准确度。结合某水电站4#引水涵洞监测数据,使用SARIMA-BiLSTM模型对裂缝计开合度时间序列进行了预测,并与反向传播神经网络模型、SARIMA模型和SARIMA-LSTM模型的预测结果进行对比,比对结果证明所提方法有效地提高了预测精度。
-
关键词
水利设施监测
时间序列预测
趋势性
季节自回归差分移动平均模型
双向长短期记忆网络
-
Keywords
water conservancy facilities monitoring
time series prediction
tendency
seasonal autoregressive differential moving average(SARIMA)
bidirectional long and short time memory(BiLSTM)network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名长江口潮位一致性检验与修正方法研究
被引量：8
- 2
-
-
作者
肖淼元
李国芳
王伟杰
-
机构
河海大学水文水资源学院
江苏省苏州市水利局
-
出处
《长江科学院院报》
CSCD
北大核心
2013年第4期6-10,共5页
-
基金
国家自然科学基金资助项目(51109053
51190091
+1 种基金
50979024)
中央高校基本科研业务费专项资金资助(2009B06314)
-
文摘
以长江口天生港、浒浦闸(闸下)和吴淞3个潮位站为例,采用M-K检验、小波分析以及滑动平均序列提取趋势项等方法进行了1956—2009年的年平均潮位的一致性检验与修正。M-K检验表明,各站的潮位均有明显的上升趋势。小波分析表明,天生港、浒浦闸(闸下)和吴淞站的潮位序列分别具有17 a,16 a和16 a的主周期。根据各站年平均潮位的变化周期,分别求出天生港、浒浦闸(闸下)和吴淞站的17 a,16 a和16 a滑动平均潮位序列,提取滑动平均序列的趋势项以量化潮位的变化趋势,并据此对年平均潮位序列进行一致性修正,为长江口水资源可持续利用提供参考。
-
关键词
年平均潮位
M-K检验
小波分析
滑动平均序列提取趋势项
一致性修正
-
Keywords
annual mean tide level
M-K test
wavelet analysis
extracting tendency item from moving average series
consistency correction
-
分类号
TV148
[水利工程—水力学及河流动力学]
-
