基于CNN-Attention-LSTM的大壩變形預(yù)測模型

摘要： 【目的】預(yù)測大壩變形以規(guī)避風(fēng)險(xiǎn)是大壩變形監(jiān)測的重點(diǎn)，一個(gè)可靠的預(yù)測模型可以洞察大壩未來變形趨勢。為了更好地預(yù)測大壩的變形，提高預(yù)測精度和計(jì)算效率，【方法】提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)、注意力機(jī)制(Attention)和長短時(shí)記憶網(wǎng)絡(luò)(LSTM)的大壩監(jiān)測模型。CNN從監(jiān)測數(shù)據(jù)中提取特征，LSTM更好地從時(shí)間序列數(shù)據(jù)中學(xué)習(xí)，并在此CNN-LSTM模型的基礎(chǔ)上，耦合深度學(xué)習(xí)... （共12頁）