-
题名基于IKOA优化SAGRU的大坝变形预测模型
- 1
-
-
作者
胡伟泊
赵二峰
胡灵芝
黎祎
-
机构
河海大学水利水电学院
云南省水利水电工程安全重点实验室
-
出处
《人民长江》
北大核心
2025年第6期222-228,共7页
-
基金
国家自然科学基金项目(52079046)
云南省水利水电工程安全重点实验室开放课题基金项目(202302AN360003)。
-
文摘
为充分发掘大坝变形监测数据中的有效信息并提升监控模型的预测精度,提出了基于IKOA优化SAGRU的大坝变形预测模型。首先,在门控循环单元(GRU)中引入自注意力机制,通过计算时间维度特征的贡献率,有效捕捉实测数据中的关键时序特征,提升模型对关键信息的敏感性;然后通过混沌映射初始化、Runge-Kutta位置更新和ESQ强化3种策略对开普勒优化算法(KOA)进行改进,以对耦合自注意力机制的门控循环单元(SAGRU)中的超参数进行自动寻优。应用实例表明:改进开普勒优化算法(IKOA)在寻优速度和精度方面均优于麻雀搜索算法、灰狼优化算法、北方苍鹰优化算法和传统KOA,模型的RMSE相比GRU、LSTM和XGBoost模型分别降低了48.45%,54.56%和58.14%,尤其在实测位移变化的关键拐点和峰值处,优化后的模型展现了更好的拟合效果,表明该模型能够全面挖掘大坝变形序列中的时序特征,解决了GRU记忆容量有限,以及传统优化算法收敛速度慢且易陷入局部最优解的问题,显著提高了大坝变形预测模型的准确性。
-
关键词
大坝变形监测
门控循环单元(GRU)
改进开普勒优化算法(ikoa)
自注意力机制
深度学习
小湾双曲拱坝
-
Keywords
dam deformation monitoring
gated recurrent unit(GRU)
improved Kepler optimization algorithm(ikoa)
self-attention mechanism
deep learning
Xiaowan double-arch dam
-
分类号
TV698.11
[水利工程—水利水电工程]
-
