来源：期刊VIP网 时间：
作者：王自赟;刘萍先;陈天荣;蔡竞标;纪海波;邓小珍;
单位：南昌工程学院机械工程学院;
摘要：由于大坝变形受很多因素的影响，监测点得到的位移序列具有较强的时序性和非线性，为此提出一种基于改进遗传算法(IGA)优化的长短时神经网络(LSTM)预测模型。首先对传统遗传算法进行改进，然后使用改进遗传算法对长短时神经网络模型的超参数组合进行寻优，最后利用优化后的超参数组合搭建IGA-LSTM预测模型。以丰满大坝~#7坝段的水平位移为例，对比单层LSTM模型、遗传算法(GA)优化的LSTM模型和改进遗传算法优化的LSTM模型。结果表明，IGA-LSTM模型的平均绝对误差(M_(MAE))、均方根误差(R_(RMSE))分别为0.207 0、0.225 9 mm,显著低于另外2个模型，说明IGA-LSTM模型的预测精度更高。该模型为大坝变形预测提供了新方法，也为大坝安全预警提供了参考。
关键词：大坝变形预测;;改进遗传算法;;长短时神经网络;;超参数组合寻优
基金资助：江西省教育厅自然科学基金项目(20212BAB204039)
