基于CNN-LSTM的混凝土坝渗流预测

发布时间：2023-05-27 02:06

　　建立高性能的混凝土坝渗流预测模型是渗流安全监控的重要手段,也是渗流安全性态评价的基础,结合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)两种深度学习算法,构建混凝土坝渗流预测模型(CNN-LSTM),该模型先利用CNN提取渗流监测时间序列的特征,然后利用LSTM生成特征描述,建立输入与输出间的映射关系,实现对混凝土坝的渗流预测。工程实例应用表明,CNN-LSTM模型在混凝土坝渗流预测应用中的数据拟合能力和预测精度较好,且不易陷入局部最优解,可为混凝土坝的渗流预测和安全监控提供科学依据。

【文章页数】：4 页

【文章目录】：
1 引言
2 CNN-LSTM渗流预测模型构建
    2.1 卷积神经网络
    2.2 长短期记忆网络
    2.3 CNN-LSTM渗流预测模型
    2.4 渗流安全评价
3 工程实例预测
4 结论



本文编号：3823684