-
题名机理-数据融合与残差修正的土石坝渗压预测模型研究
- 1
-
-
作者
黄昊冉
谷艳昌
陈斯煜
王士军
黄海兵
-
机构
南京水利科学研究院大坝安全与管理研究所
水利部大坝安全管理中心
水利部水旱灾害防御重点实验室
-
出处
《水利学报》
北大核心
2025年第3期398-410,共13页
-
基金
国家自然科学基金项目(51979175,52309157)
南京水利科学研究院研究生学位论文基金项目(Yy724005)
南京水利科学研究院中央级公益性科研院所基本科研业务费(Y723008,Y722003,Y723002)。
-
文摘
机理模型预测评估土石坝渗流安全性态,物理意义明确、可解释性好,但是预测精度波动性较大。通过麻雀搜索算法(SSA)与径向基函数(RBF)对渗透系数进行反演并构建SSA-RBF渗压预测代理模型,得到模型预测值与残差序列;通过变分模态分解(VMD)将残差序列进行分解,并通过长短时记忆网络(LSTM)进行训练得到残差序列修正模型;将机理模型与数据驱动模型叠加构建得到SSA-RBF-VMD-LSTM融合模型,并实现对渗压水位准确预测。工程实例表明:本文提出的模型具有较高预测精度,相比于统计模型、LSTM模型和SSA-RBF-LSTM模型,其预测精度提高了89.64%、69.59%、60.45%,且在过程线出现较大幅度变动时,该模型仍能够及时给出准确的预测值,模型稳定性与外推能力较好,具有推广使用价值。
-
关键词
土石坝
代理模型
麻雀搜索算法
变分模态分解
LSTM神经网络
机理-数据驱动融合
-
Keywords
earth-rock dam
surrogate models
sparrow search algorithm
Variational Modal Decomposition
LSTM neural networks
mechanism-data-driven fusion
-
分类号
TV641
[水利工程—水利水电工程]
-
