[发明专利]基于时空一体化的特高拱坝变形时空序列预测方法有效
| 申请号： | 201810598142.0 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108846199B | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 艾永平;毛莺池;高建;陈豪;李承兵;陈琨;王晓刚;丁玉江;龚友龙;沈凤群;谭彬;余记远 | 申请（专利权）人： | 华能澜沧江水电股份有限公司;河海大学;华能集团技术创新中心有限公司 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 李玉平 |
| 地址： | 650214 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于时空一体化的特高拱坝变形时空序列预测方法，包括以下步骤：大坝传感器在监测数据时，实测数据中时常带有随机误差项，假设时空过程分解为两部分：确定性时空变化和去除确定趋势后的小规模误差随机变化并且去除确定趋势后的小规模误差随机变化的期望为零。应用简单BP神经网络拟合整体时空趋势；在去除整体时空趋势后得到残差项，对残差项进行线性无偏估计，选用时空克里格方法拟合局部时空趋势；引入门限循环神经网络对大坝各测点时间序列进行预测，预测出相关测点变形值，将门限循环神经网络预测出的变形值与BP神经网络预测出的变形值进行对比，如果门限网络的预测值更加精确，那么将预测后的顺河向位移数据作为训练数据优化BP网络。 | ||
| 搜索关键词： | 时空 预测 变形 门限 去除 循环神经网络 时空序列 随机变化 高拱坝 残差 测点 拟合 大坝 随机误差项 过程分解 监测数据 时间序列 时空变化 实测数据 位移数据 无偏估计 训练数据 一体化 传感器 确定性 引入 期望 应用 优化 网络 | ||
【主权项】：
1.一种基于时空一体化的特高拱坝变形时空序列预测方法，其特征在于，包括以下三个方面：(1)大坝传感器的实际监测数据分解为真实值和误差项两部分：Zi(t)＝Mi(t)+ei(t)，式中Mi(t)代表确定性时空变化，ei(t)代表去除确定趋势后的小规模误差随机变化并且满足E(ei(t))＝0，期望为零,应用简单BP神经网络拟合整体时空趋势；(2)去除整体时空趋势后得到残差项ei(t)，对残差项进行线性无偏估计，选用时空克里格方法拟合局部时空趋势；(3)引入门限循环神经网络(Gated Recurrent Unit,GRU)对大坝各测点时间序列进行预测，预测出相关测点变形值，将预测后的顺河向位移数据作为训练数据优化BP网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华能澜沧江水电股份有限公司;河海大学;华能集团技术创新中心有限公司，未经华能澜沧江水电股份有限公司;河海大学;华能集团技术创新中心有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810598142.0/，转载请声明来源钻瓜专利网。
