来源：期刊VIP网 时间：
作者：吕国旭;陈波;张孟昕;刘伟琪;
单位：河海大学水利水电学院;河海大学水灾害防御全国重点实验室;中国电建集团成都勘测设计研究院有限公司;
摘要：混凝土坝变形监测数据反映了混凝土坝实时运行性态，充分挖掘变形数据特性是保证混凝土坝健康长效运行的重要手段。针对混凝土坝长期处于复杂环境中，其变形效应量常伴随非线性、周期性等复杂特征的问题，使用变分模态分解(VMD)将实测数据分解为若干个相异模态，采用小波阈值降噪剔除子信号中的噪声并挖掘变形数据特性，构建基于阿基米德优化算法(VOA)的双向长短期记忆网络(BiLSTM)的大坝变形预测模型，并采用平均绝对误差(M_(MAE))、均方误差(M_(MSE))、均方根误差(R_(RMSE))、决定系数(R~2)等指标对模型进行评价。工程实例应用结果表明，基于VMD-AOA-BiLSTM的大坝变形预测模型相较于其他模型，在各指标上均有一定提升，且预测精度更高，在大坝安全监测方面有较好的实用价值。
关键词：变分模态分解;;阿基米德优化算法;;双向长短期记忆网络;;大坝变形预测
基金资助：国家自然科学基金项目(52079049);; 国家重点实验室基本科研业务费(522012272,5230248A2)
