基于CNN-LSTM-AM的大壩變形預(yù)測

摘要： 為提高大壩變形預(yù)測模型的預(yù)測精度，以長短期記憶(LSTM)作為基礎(chǔ)模型預(yù)測大壩變形，在LSTM網(wǎng)絡(luò)層前加入卷積神經(jīng)網(wǎng)絡(luò)(CNN)卷積層，以卷積層中卷積核刻畫數(shù)據(jù)的局部模式實現(xiàn)數(shù)據(jù)特征的深度挖掘，提取大壩變形多因素序列時空特征；LSTM網(wǎng)絡(luò)層后加入注意力機(jī)制層用于區(qū)分特征信息的重要程度并給予不同的關(guān)注度，進(jìn)一步優(yōu)化網(wǎng)絡(luò)模型，構(gòu)建了基于CNN-LSTM-AM的大壩預(yù)測模型。應(yīng)用該大... （共5頁）