基于EEMD-SE-LSTM的混凝土壩變形監(jiān)測模型

侯回位，鄭東健，劉永濤，黃寒冰

(河海大學(xué)水利水電學(xué)院，江蘇 南京 210098)

變形是壩體結(jié)構(gòu)受到多種環(huán)境荷載的作用以及自身材料性能的影響而不可避免發(fā)生的物理偏移，能夠最直接可靠地反映混凝土壩的工作性態(tài)，是衡量壩體結(jié)構(gòu)安全的重要指標(biāo)[1-3]。因此，有必要根據(jù)混凝土壩變形監(jiān)測資料建立精準(zhǔn)、高效的預(yù)測模型，及時有效地掌握壩體結(jié)構(gòu)的變形狀態(tài)，預(yù)測未來的變形趨勢，為工程長期預(yù)報和安全決策提供依據(jù)[4]。

常用于混凝土壩變形監(jiān)控的模型有統(tǒng)計模型、確定性模型和混合模型[5]等，其中統(tǒng)計模型[6]因其函數(shù)表達(dá)式簡單，模型結(jié)構(gòu)易識別的特點被廣泛地應(yīng)用于混凝土壩安全監(jiān)控領(lǐng)域中。然而，傳統(tǒng)的統(tǒng)計模型對復(fù)雜的非線性關(guān)系考慮不足，對多重共線性問題不敏感[7]，其預(yù)測精度較差且缺乏相應(yīng)的外延預(yù)報能力。近年來，隨著人工智能算法的迅速發(fā)展，神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)[8]等機(jī)器學(xué)習(xí)算法也被運(yùn)用到混凝土壩的變形預(yù)報工作中。賈強(qiáng)強(qiáng)等[9]利用基于小生境技術(shù)改進(jìn)的思維進(jìn)化算法來加快BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值和閾值的搜索，以避免陷入局部最優(yōu)；錢秋培等[10]將支持向量機(jī)和粒子群算法相結(jié)合，建立的預(yù)測模型能很好地考慮多種環(huán)境因素的非線性相關(guān)，具有不錯的預(yù)測精度。這些機(jī)器學(xué)習(xí)算法雖然在提升模型預(yù)測精度上有所提高，但由于混凝土壩變形的時間序列非平穩(wěn)、非線性特點，也存在著不足，首先BP、SVM模……