来源：期刊VIP网 时间：
作者：杨霖;傅蜀燕;吴曹东;王子轩;陈德辉;杨石勇;欧斌;
单位：云南农业大学水利学院;云南省中小型水利工程智慧管养工程研究中心;云南省水利水电工程安全重点实验室;
摘要：为提高大坝变形预测精度，针对传统大坝变形预测中出现的数据维度高、特征值选取困难、参数优化和模型调整较复杂等问题，提出了一种将独立主成分分析(ICA)和粒子群优化下的卷积神经网络(PSO-CNN)相结合的预测模型(ICA-PSO-CNN)。该模型通过ICA算法提取数据的特征值，减少沉冗信息，提高数据的精准表征能力，然后通过PSO对CNN参数进行迭代优化，进而得到最优参数下的CNN模型，使CNN模型的变形预测结果更准确。运用改进后的ICA-PSO-CNN模型对某混凝土双曲拱坝的变形进行预测，并与ICA-CNN模型和CNN模型的预测结果进行对比显示，改进的ICA-PSO-CNN模型的拟合效果和预测精度最好，为大坝变形预测提供了一种性能优良、精度较高的预测模型。
关键词：变形预测;;独立主成分分析;;粒子群优化;;卷积神经网络
基金资助：国家自然科学基金项目(52069029,52369026);; 云南省水利水电工程安全重点实验室开放课题基金项目(202302AN360003);; 云南省农业基础研究联合专项面上项目(202401BD070001-071)
