TY -非盟的瞿Xudong AU -杨,杰盟- Chang,孟PY - 2019 DA - 2019/10/31 TI -混凝土坝变形预测的深度学习模型基于RS-LSTM SP - 4581672六世- 2019 AB -变形是一个全面的反映了混凝土坝的结构状态,和研究混凝土坝变形预测模型提供了安全监测和预警策略的基础。本文主要关注因素之间的多重共线性等实际问题;选择的主观性因素;健壮性、外部性、泛化和完整性不足;为预测模型和评价体系的不健全。基于粗糙集(RS)理论和短期记忆(LSTM)网络,单点和多点混凝土坝变形预测模型基于RS-LSTM的健康监测进行了研究。此外,提出了一种新的预测模型评估系统,模型精度、健壮性、外部性、泛化定义为定量评价指标。一个工程项目表明,混凝土坝变形预测模型基于RS-LSTM可以定量地获得代表影响大坝变形的因素,并对每个因素的重要性相对于效果。精度评价指标(AVI)鲁棒性评价指标(RVI),外部性评价指标(增强型植被指数),和泛化模型的评价指标(GVI)的评价指标优于现有浅神经网络模型和统计模型根据新的评价体系,从而估计预测模型的综合性能。混凝土坝变形的预测模型基于RS-LSTM优化影响因素模型,定量地确定每个因素的重要性,并提供了高性能、同步的,对混凝土坝和动态预测行为; therefore, the model has strong engineering practicality. SN - 1687-725X UR - https://doi.org/10.1155/2019/4581672 DO - 10.1155/2019/4581672 JF - Journal of Sensors PB - Hindawi KW - ER -