基于分解重构与自适应特征融合的混凝土拱坝变形监控模型

穆永波; 张彩荷; 漆一宁; 方正

doi:10.20040/j.cnki.1000-7709.2026.20252213

您当前的位置：

首页 >

文章列表页 >

基于分解重构与自适应特征融合的混凝土拱坝变形监控模型

更新时间：2026-10-20

- 基于分解重构与自适应特征融合的混凝土拱坝变形监控模型
- Vol. 44, Issue 10, Pages: 167-173(2026)
- 作者机构：
  
  1. 浙江省水利水电工程质量与安全管理中心
  2. 丽水市莲都区水务发展投资有限公司
  3. 黄河勘测规划设计研究院有限公司
  4. 水利部黄河流域水治理与水安全重点实验室(筹)
  5. 河海大学水利水电学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20252213
  CLC： TV698.11;TV642.4
- Published：2026
- 稿件说明：
移动端阅览
穆永波, 张彩荷, 漆一宁, et al. 基于分解重构与自适应特征融合的混凝土拱坝变形监控模型[J]. 2026, 44(10): 167-173.
DOI：

穆永波, 张彩荷, 漆一宁, et al. 基于分解重构与自适应特征融合的混凝土拱坝变形监控模型[J]. 2026, 44(10): 167-173. DOI： 10.20040/j.cnki.1000-7709.2026.20252213.

摘要

针对变形监测序列非平稳、非线性、多测点协同变化特征显著，以及多测点直接耦合易引入冗余干扰、削弱有效特征的问题，提出一种融合神经基展开时间序列分析(N-BEATS)、细粒度特征软选择机制与双向长短期记忆网络(BiLSTM)的混合预测模型。该模型首先利用N-BEATS将监测序列解耦为趋势项与季节项特征；随后通过细粒度软选择机制筛选高相关特征分量，实现多测点变形信息的高质量融合；最后借助BiLSTM捕捉时序依赖并完成预测。工程实例表明，该模型能够有效挖掘多测点变形数据的时空互补特性，较传统方法在预测精度上具有明显优势，具备良好的工程应用价值。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

数据驱动的缆机吊运混凝土入仓单循环时间预测模型

基于注意力机制的CNN-BiLSTM过闸流量预测模型

水电机组多测点融合劣化趋势建模与预测研究

黄河流域生态干旱时空特征与驱动因子研究

基于LHS-HHO-SVR的混凝土面板堆石坝多工况渗透系数反演方法

Related Author

李东

赵春菊

丁钇

郑祥

贺俊

王放

何立新

沈正华

Related Institution

中国水利水电第七工程局有限公司

湖北工业大学河湖健康智慧感知与生态修复教育部重点实验室

三峡大学水利与环境学院

河北工程大学水利水电学院

河北工程大学河北省智慧水利重点实验室

AI问答

⁰