来源：期刊VIP网 时间：
作者：钟桥俊;赵二峰;胡灵芝;刘峰;宋桂华;
单位：河海大学水灾害防御全国重点实验室;河海大学水资源高效利用与工程安全国家工程研究中心;云南省水利水电工程安全重点实验室;中国电建集团昆明勘测设计研究院有限公司;上海勘测设计研究院有限公司;
摘要：变形是大坝服役性态的直观表现，对其进行分析与预测是科学诊断大坝健康的关键措施。为解析特高拱坝变形性态，利用基于注意力机制优化的卷积神经网络(ACNN)对实测数据进行局部时间特征提取，引入变分自编码器(VAE),将回归器嵌入到VAE构建变分自回归器(VAR),提出基于ACNN-VAR的特高拱坝变形深度学习预测模型，该模型综合注意力机制、CNN神经网络、VAE生成模型和回归器，深度挖掘特高拱坝变形性态的特征信息，生成潜在特征向量，实现深层次变化特征提取。实例应用结果表明，建立的预测模型能够准确模拟实测值的年周期变化及局部波动，具有较高的预测精度和稳定的鲁棒性，为特高拱坝变形监测提供了新思路。
关键词：变分自编码器;;注意力机制;;深度学习;;潜在特征向量
基金资助：国家自然科学基金项目(52079046);; 云南省水利水电工程安全重点实验室开放课题基金(202302AN360003)
