李宗淇,姚成林,赵文波

• 1:中国水利水电科学研究院

摘要(Abstract)：

针对土石坝沉降预测模型中回归模型易受多重共线性影响，神经网络模型存在过拟合、局部极值陷阱以及超参数难以确定等问题，提出了一种基于经验模态分解(EMD)和长短期记忆神经网络(LSTM)的优化模型。首先，通过EMD对全球导航卫星系统(GNSS)测点的时间序列数据进行多尺度分解，提取趋势和周期成分。然后，利用主成分分析(PCA)筛选关键影响因子，减少数据维度，提高模型的泛化能力。最后，采用LSTM构建时间序列模型，并通过鲸鱼优化算法(WOA)优化LSTM的超参数，以提升模型的预测精度和收敛速度。实验结果表明，该模型在土石坝沉降预测中具有显著的优势，均方误差(MSE)为7.070 1,平均绝对误差(MAE)为1.885 9,拟合优度(R~2)为99.83%。与传统方法相比，该模型在降噪、特征捕捉和超参数优化等方面均有明显提升，可为土石坝沉降提供可靠的预测方案。

关键词(KeyWords)： 土石坝;沉降预测;模型;经验模态分解(EMD);长短期记忆神经网络(LSTM)

Abstract:

Keywords:

基金项目(Foundation): 中国水利水电科学研究院基本科研业务费专项项目(ZS0145B012024)

作者(Author): 李宗淇,姚成林,赵文波

DOI: 10.13928/j.cnki.wrahe.2025.S1.043

参考文献(References)：

• [1] XU W J,WANG S,ZHANG H Y,et al.Discrete element modelling of a soil-rock mixture used in an embankment dam [J].International Journal of Rock Mechanics and Mining Sciences,2016,86:141-156.
• [2] LIN C,LI T,CHEN S,et al.Gaussian process regression-based forecasting model of dam deformation [J].Neural Computing & Applications,2019,31(12):8503-8518.
• [3] 张进平，黎利兵，卢正超.大坝安全监测研究的回顾与展望 [J].中国水利水电科学研究院学报，2008(4):317-322.
• [4] YANG S,HAN X,KUANG C,et al.Comparative study on deformation prediction models of wuqiangxi concrete gravity dam based on monitoring data [J].CMES-Computer Modeling in Engineering & Sciences,2022,131(1):49-72.
• [5] 许昌，岳东杰，董育烦，等.基于主成分和半参数的大坝变形监测回归模型 [J].岩土力学，2011,32(12):3738-3742.
• [6] KAO C Y,LOH C H.Monitoring of long-term static deformation data of Fei-Tsui arch dam using artificial neural network-based approaches [J].Structural Control & Health Monitoring,2013,20(3):282-303.
• [7] CHEN S,GU C,LIN C,et al.Safety monitoring model of a super-high concrete dam by using RBF neural network coupled with kernel principal component analysis[J].Mathematical Problems in Engineering,2018,2018(1):1712653.
• [8] XIN J,ZHOU J,YANG S X,et al.Bridge structure deformation prediction based on GNSS data using Kalman-ARIMA-GARCH model [J].Sensors,2018,18(1):298.
• [9] LUO X,GAN W,WANG L,et al.A prediction model of structural settlement based on EMD-SVR-WNN [J].Advances in Civil Engineering,2020,2020(1):8831965.
• [10] 马佳佳，苏怀智，王颖慧.基于EEMD-LSTM-MLR的大坝变形组合预测模型 [J].长江科学院院报，2021,38(5):47-54.
• [11] 王海生，杨铁超.基于FFT算法的水利管道阴极保护嵌入式监测系统设计 [J].自动化与仪器仪表，2023(11):128-131.
• [12] 张鹏，王甜，王远明.基于小波变换去噪的ARMA堤坝水平位移预测模型 [J].人民长江，2017,48(S2):259-261.
• [13] 王晓玲，梁羽翎，王佳俊，等.耦合注意力机制大坝变形改进LSTM序列到序列预测模型 [J].天津大学学报(自然科学与工程技术版),2023,56(7):702-712.
• [14] 彭睿哲.RNN在水利工程边坡稳定性中的研究 [J].科学技术创新，2020(17):125-126.
• [15] 温立峰，李炎隆，刘云贺，等.考虑门限效应的面板堆石坝变形特性改进支持向量机预测模型研究 [J].应用基础与工程科学学报，2023,31(4):876-893.
• [16] 罗丹，李昌彩，吴长彬.基于微粒群-BP神经网络算法的堆石坝坝体变形监控模型研究 [J].岩石力学与工程学报，2012,31(S1):2926-2031.
• [17] 杨晨蕾，包腾飞.基于FCM-XGBoost的大坝变形预测模型 [J].长江科学院院报，2021,38(8):66-71.
• [18] 郑旭东，陈天伟，王雷，等.基于EEMD-PCA-ARIMA模型的大坝变形预测 [J].长江科学院院报，2020,37(3):57-63.
• [19] 张建伟，暴振磊，江琦.小波—ICA联合技术在水工结构应变损伤识别中的应用 [J].振动与冲击，2016,35(11):180-185.
• [20] 钟建华，黄聪，钟舜聪，等.基于t-SNE降维方法的滚动轴承剩余寿命预测 [J].机械强度，2024,46(4):969-976.
• [21] 杨晨昊，郑东健.基于KPCA-WOA-RVM的混凝土坝变形预测模型及其应用 [J].水电能源科学，2022,40(10):118-122.
• [22] 李金凤，杨启贵，徐卫亚.基于改进粒子群算法CHPSO-DS的面板坝堆石体力学参数反演 [J].岩石力学与工程学报，2008(6):1229-1235.
• [23] 周正军，任浩楠，王晓东.基于响应面和遗传算法的土石坝变形反分析方法 [J].水电站设计，2018,34(1):6-8.
• [24] 赖道平，顾冲时，吴中如.基于偏最小二乘法的遗传模拟退火算法及其在大坝安全监控中的应用 [J].长江科学院院报，2003(3):47-49.