来源：期刊VIP网 时间：
作者：仵凡;郑浩然;漆一宁;苏怀智;
单位：黄河勘测规划设计研究院有限公司;河海大学水利水电学院;
摘要：针对大坝变形序列中非线性特征对预测精度的影响，提出了一种基于变分自编码器(VAE)、双向门控循环单元(GRU)和残差注意力机制(RA)的深度学习模型。首先，利用VAE对大坝位移数据进行特征提取，将复杂的高维环境数据映射到低维潜在空间。然后，采用GRU捕捉时间依赖性，并引入残差注意力机制增强模型对关键特征的关注能力。最后，结合北方苍鹰优化算法(NGO)对模型的超参数进行优化，以进一步提高预测精度。工程实例分析结果表明，VAE-RAGRU模型在大坝位移预测中表现优异，显著优于其他机器学习模型，为大坝安全监控提供了一个高效、准确的新方法。
关键词：大坝变形预测;;变分自编码器;;门控循环单元;;残差注意力机制;;北方苍鹰优化算法
基金资助：国家自然科学基金项目(52239009);; 国家重点研发计划项目(2023YFC3206703,2024YFC3210701)
