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
大岗山高拱坝表观特征分析及发展趋势预测
1
作者
彭涛
郭家成
+1 位作者
王钰睫
袁兆虎
《水电能源科学》
北大核心
2024年第3期97-100,共4页
为评价大岗山水电站高拱坝运行期状态,基于(应力、温度和位移)现场监测数据,深入分析了其表观特征数据的相关性,并采取ESN、ELM、BI-LSTM三种深度学习模型结合优化算法SSA预测对比了其未来的发展趋势。结果表明,水位变化时,#14坝段应力...
为评价大岗山水电站高拱坝运行期状态,基于(应力、温度和位移)现场监测数据,深入分析了其表观特征数据的相关性,并采取ESN、ELM、BI-LSTM三种深度学习模型结合优化算法SSA预测对比了其未来的发展趋势。结果表明,水位变化时,#14坝段应力响应最为剧烈,位移与温度变化属正常范围。正垂线位移和应力的最优预测模型分别为ELM和BI-LSTM,均方根误差分别为0.985和0.061。研究结果为大坝自动化监测数据的预测提供了参考。
展开更多
关键词
高拱坝
表观特征
深度学习
预测
优化算法
在线阅读
下载PDF
职称材料
题名
大岗山高拱坝表观特征分析及发展趋势预测
1
作者
彭涛
郭家成
王钰睫
袁兆虎
机构
国能
大渡河
流域水电开发有限
公司
大渡河公司本部/企业管理与法律事务部
出处
《水电能源科学》
北大核心
2024年第3期97-100,共4页
文摘
为评价大岗山水电站高拱坝运行期状态,基于(应力、温度和位移)现场监测数据,深入分析了其表观特征数据的相关性,并采取ESN、ELM、BI-LSTM三种深度学习模型结合优化算法SSA预测对比了其未来的发展趋势。结果表明,水位变化时,#14坝段应力响应最为剧烈,位移与温度变化属正常范围。正垂线位移和应力的最优预测模型分别为ELM和BI-LSTM,均方根误差分别为0.985和0.061。研究结果为大坝自动化监测数据的预测提供了参考。
关键词
高拱坝
表观特征
深度学习
预测
优化算法
Keywords
high arch dam
apparent characteristic
deep learning
prediction
optimization algorithm
分类号
TV642.4 [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
大岗山高拱坝表观特征分析及发展趋势预测
彭涛
郭家成
王钰睫
袁兆虎
《水电能源科学》
北大核心
2024
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
