一种基于机理与数据双重驱动的大坝监测效应量预测方法

本发明涉及大坝效应量监测领域，具体为一种基于机理与数据双重驱动的大坝监测效应量预测方法，包括：采用小波降噪法对所述监测数据进行降噪预处理；构建监测效应量长期预测模型；构建短时临近精准预测模型；通过使用牛顿‑拉夫逊优化算法(NRBO)优化物理约束径向基函数(PIRBF)网络超参数来构建有限元模型参数的反演代理模型，校准有限元计算结果，最终构建混合模型实现监测效应量长期预测；通过极光优化算法(PLO)、Transformer架构、门控循环单元网络(GRU)构建深度学习模型修正长期预测模型误差，并耦合深度学习模型结果构建短时临近预测模型，实现效应量短时临近精准预测。