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
基于深度学习的大坝边坡深部变形时空预测模型研究
1
作者
周小燕
李双平
+5 位作者
冉鲁光
苏振
张斌
刘祖强
苏森南
史波
《中国农村水利水电》
北大核心
2025年第7期182-187,195,共7页
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基...
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基于深度学习模型的边坡测斜孔变形时空预测方法。利用某水电边坡测斜孔变形监测数据,对监测数据展开系统性分析。预测结果表明,GCN、TCN、STGCN和Transformer四种模型均适用于边坡时空预测,其中TCN模型相较于其他3种时空预测模型展现出了更高的预测精度和可靠性,评估指标MAE、MSE、RMSE、MAPE和R2分别为1.007、2.2082、1.486、102.40%和0.9884。此外,4个模型的不同日期的预测结果与实测值的误差分布在0~4 mm之间,验证了4个模型在边坡测斜孔变形时空预测的准确性和有效性。研究结果为库区边坡变形时空短期预测提供了新思路。
展开更多
关键词
深度学习
大坝边坡变形
时空预测
模型
时序卷积网络模型
在线阅读
下载PDF
职称材料
题名
基于深度学习的大坝边坡深部变形时空预测模型研究
1
作者
周小燕
李双平
冉鲁光
苏振
张斌
刘祖强
苏森南
史波
机构
中国长江电力股份有限公司向家坝电厂
长江空间信息技术工程有限公司(武汉)
出处
《中国农村水利水电》
北大核心
2025年第7期182-187,195,共7页
基金
中国长江电力股份有限公司资助(4223020010)。
文摘
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基于深度学习模型的边坡测斜孔变形时空预测方法。利用某水电边坡测斜孔变形监测数据,对监测数据展开系统性分析。预测结果表明,GCN、TCN、STGCN和Transformer四种模型均适用于边坡时空预测,其中TCN模型相较于其他3种时空预测模型展现出了更高的预测精度和可靠性,评估指标MAE、MSE、RMSE、MAPE和R2分别为1.007、2.2082、1.486、102.40%和0.9884。此外,4个模型的不同日期的预测结果与实测值的误差分布在0~4 mm之间,验证了4个模型在边坡测斜孔变形时空预测的准确性和有效性。研究结果为库区边坡变形时空短期预测提供了新思路。
关键词
深度学习
大坝边坡变形
时空预测
模型
时序卷积网络模型
Keywords
deep learning
deformation of dam slope
spatiotemporal prediction model
Temporal Convolutional Network Model
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
基于深度学习的大坝边坡深部变形时空预测模型研究
周小燕
李双平
冉鲁光
苏振
张斌
刘祖强
苏森南
史波
《中国农村水利水电》
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
