人民黄河

作者：苏晓军, 许增光, 张野, 康心语, 周涛, 杨淘, 黎康平

单位：1.西安理工大学 旱区水工程生态环境全国重点实验室，陕西 西安 710048；2.黄河上游水电开发有限责任公司，青海 西宁 810000；3.中国长江电力股份有限公司，四川 宜宾 644612；4.中国电建集团 西北勘测设计研究院有限公司，陕西 西安710065

关键词：In order to improve the accuracy of predicting concrete dam deformations and ensure dam structural safety, this paper proposed a prediction model combining Temporal Convolutional Networks (TCN) and Long Short-Term Memory (LSTM) networks, aiming the l

基金：<p class=\MsoNormal\>\r\n\t<span>国家重点研发计划项目</span>(2022YFC3004403)<span>；国家自然科学基金资助项目（</span><span>52379135</span><span>）；陕西省自然科学基础研究计划引汉济渭联合基金资助项目（</span><span>2022JC-LHJJ-14</span>&l

为提升混凝土坝变形预测的准确性，保障坝体结构的安全性，针对现有预测模型在提取复杂变形特征和捕捉长期依赖关系方面的不足，提出一种结合时间卷积网络（TCN）和长短期记忆网络（LSTM）的混凝土坝变形预测模型。TCN用于提取变形数据的时序特征，LSTM则捕捉长期依赖关系，两者结合可有效提升模型对大坝复杂变形的预测能力。实例应用结果表明，与多种智能预测模型相比，该模型能够准确模拟坝体变形过程，具有较高的预测精度。该模型在捕捉混凝土坝变形复杂特征方面具有明显优势，可作为大坝安全监测的新方法。

来源：2025年第7期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第7期