TY -的A2 -艾哈迈德,默罕默德盟——赵,梦蝶盟——江、海丰AU - Chen Shoukai盟,Bie Yajing PY - 2021 DA - 2021/04/12 TI -预测基于记忆细胞的渗透压力和意义分析,影响因素SP - 5576148六世- 2021 AB -渗流分析一直是一个关注研究大坝安全与稳定。渗透压力监测数据的预测和分析是一种有效的方式,以确保大坝渗流的安全与稳定。监测值的变化的及时性和滞后由于外部影响,RS-LSTM模型本文编写的Python开发相结合粗糙集理论(RS)和长期和短期记忆网络模型(LSTM)。提出的模型计算大坝的渗流压力的预测评分经历由预订多个影响因素重要性值来消除冗余因素的干扰。一个案例研究表明,水位、降雨、温度、和持续时间都是影响渗流压力的因素,及其重要性值不断降低。因此,可以预测大坝的渗流压力确定系数 R ²0.96。与递归神经网络(RNN)模型和BP神经网络模型,RS-LSTM模型提出的培训时间是6.37秒,运行效率是41%和59%高于RNN的BP模型,分别。平均相对误差是3.00%,低于50%的RNN模型和31%低于BP模型。基于这些结果,该模型具有计算速度快,预测精度高。SN - 1076 - 2787你——https://doi.org/10.1155/2021/5576148——10.1155 / 2021/5576148 JF - PB - Hindawi KW - ER -复杂性