融合深度学习的多源观测数据大坝自动化监测预警方法

本发明公开了一种融合深度学习的多源观测数据大坝自动化监测预警方法，涉及水利工程技术领域，利用灰狼优化算法优化变分模态分解参数，以包络熵为适应度函数，获取最优参数组合；引入多尺度排列熵作为筛选信号的标准，确定有效模态分量并将有效模态分量进行重构，获取有效信号；根据最优参数组合和有效信号，融合深度学习算法长短期神经网络进行多源观测数据大坝形变特征学习，通过平均绝对误差和均方根误差作为GWO‑VMD‑LSTM预测精准度的评价指标，引入决定系数判断预测模型的性能，实现对大坝形变位移的精准预测。本发明预测的结果具有更高的准确性与精度，为大坝自动化监测预警提供可靠依据。