基于RST-LSTM模型的堤坝渗压动态预测分析

渗透是关乎堤坝安全的重要因素之一.渗压数据分析是研究堤坝运行期渗流安全问题最直接的途径之一.根据堤坝渗压监测值的基本特征,基于粗糙集理论(RST)和长短时记忆网络模型(LSTM),建立RST-LSTM模型结构并编制python程序,实现了渗流影响因素重要性定量化排序、冗余因素的消除以及多因素影响下堤坝渗压值的预测分析.以某面板堆石坝工程渗流监测数据分析为例,进行工程实例验证分析,研究结果表明:(1)该工程渗压值按重要性顺序依次受水位、降雨、温度及时效等因素的影响;(2)本文提出的RST-LSTM模型平均相对误差仅为4.43%,相比循环神经网络模型(RNN)与BP神经网络模型,RSTLSTM模型具有预测精度高、运算速度快等优点.