期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究
1
作者
周子玉
肖亚子
+1 位作者
邬昱昆
许爱平
《水电能源科学》
北大核心
2025年第9期146-149,155,共5页
构建高精度的坝体沉降预测模型,对于保障施工期大坝安全与风险管控意义重大。以筑坝高度、降雨、时效等作为施工期坝体沉降变形的影响因子,引入长短时记忆神经网络LSTM算法,并在其基础上嵌入注意力机制Attention,提出了适用于施工期面...
构建高精度的坝体沉降预测模型,对于保障施工期大坝安全与风险管控意义重大。以筑坝高度、降雨、时效等作为施工期坝体沉降变形的影响因子,引入长短时记忆神经网络LSTM算法,并在其基础上嵌入注意力机制Attention,提出了适用于施工期面板堆石坝坝体沉降的预测模型。工程应用表明,Attention-LSTM模型弥补了LSTM在网络层不能动态调整权重系数的缺陷,提升了模型的计算效率与精度,具有较好的非线性数据处理能力,能够更加精准反映施工期监测数据在时间维度上的变化趋势,相关经验可供类似工程参考。
展开更多
关键词
面板堆石坝
施工期
坝体沉降预测
长短时记忆神经网络
注意力机制
在线阅读
下载PDF
职称材料
题名
基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究
1
作者
周子玉
肖亚子
邬昱昆
许爱平
机构
中国电建集团中南勘测设计研究院有限公司
出处
《水电能源科学》
北大核心
2025年第9期146-149,155,共5页
文摘
构建高精度的坝体沉降预测模型,对于保障施工期大坝安全与风险管控意义重大。以筑坝高度、降雨、时效等作为施工期坝体沉降变形的影响因子,引入长短时记忆神经网络LSTM算法,并在其基础上嵌入注意力机制Attention,提出了适用于施工期面板堆石坝坝体沉降的预测模型。工程应用表明,Attention-LSTM模型弥补了LSTM在网络层不能动态调整权重系数的缺陷,提升了模型的计算效率与精度,具有较好的非线性数据处理能力,能够更加精准反映施工期监测数据在时间维度上的变化趋势,相关经验可供类似工程参考。
关键词
面板堆石坝
施工期
坝体沉降预测
长短时记忆神经网络
注意力机制
Keywords
face rockfill dam
construction period
dam settlement prediction
long short-term memory neural net-work
attention mechanism
分类号
TV698.1 [水利工程—水利水电工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Attention-LSTM施工期面板堆石坝坝体沉降预测模型研究
周子玉
肖亚子
邬昱昆
许爱平
《水电能源科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
