融合多元时空信息的Informer-AD大坝变形预测模型

针对大坝变形时间序列预测问题,考虑多测点变形相关性,建立变形量时空多维输入矩阵,提出一种基于K-means聚类融合多元时空信息的Informer-AD大坝变形预测模型。首先,采用K-means聚类对变形测点进行分区;其次,引入面板数据回归模型分析分区结果;最后,提出融合多元时空信息的Informer-AD大坝变形预测模型。利用该模型对空间特征序列进行学习,通过全连接层整合空间特征,输出预测的大坝变形值。将上述预测模型运用于CT混凝土重力坝,结果表明,本文所提出的考虑时空关联性的预测方法充分挖掘大坝变形整体性态与测点空间分布特性的关系,能够更好地捕捉变形时空特性,进而提高预测精度。

融合时变因素的浆砌石坝变形时空混合模型

混合模型常被用于大坝变形的整体预测,目前开展的研究主要针对混凝土坝,对于同样数量多且分布广的浆砌石这类非线性材料坝的研究还较少。本文考虑非线性材料坝变形具有的时变特性,通过引入时间量参数及观测点相对坐标,建立对应的水压分量多点统计模型。考虑到引入多参数的水压分量模型系数寻优困难问题,采用改良的粒子群算法(IPSO)加强粒子随机性及交互性,提高模型系数的寻优速度。采用有限元方法(FEM)与卡尔曼滤波(KF)对其进行预测,建立FEMK模型。同时,采用深度学习算法LSTM训练经PCA降维后的温度和时效因子并预测相应变形值。联合构建的FEMK-LSTM-PCA时空混合模型经工程实例验证有较高预测精度,并且可以实现对大坝变形的整体预测。