摘要
本发明属于水利工程运维技术领域,涉及一种复杂地基上钢坝闸运行沉降的预测预警方法,在钢坝闸运行过程中,用多参量传感器网络采集钢坝闸不同位置的沉降监测数据,并确定输入特征与输出特征;利用最小冗余最大相关性对不同的输入特征进行排序与筛选,并利用斯皮尔曼秩相关系数筛除相关系数低于阈值的输入特征;采用归一化和卡尔曼滤波迭代预测模型对筛选出的输入特征进行预处理,得到多变量时间序列数据;将多变量时间序列数据输入训练好的多变量回归预测模型,获得地基沉降的实时沉降预测值;将实时预测值与设置的多级预警阈值进行比较,对超出警戒限度的沉降进行相应级别的预警。
技术关键词
预测预警方法
回归预测模型
沉降监测数据
卷积神经网络模块
多参量传感器
卡尔曼滤波
变量
时序依赖关系
多头注意力机制
MEMS倾角传感器
长短期记忆网络
超参数
预警系统
优化器
输出特征
钢坝闸
水准测量仪
状态空间方程
预测输出值
状态空间模型
系统为您推荐了相关专利信息
粒径分布测量方法
支持向量机模型
随机森林模型
多模态深度学习
散射光检测器
融合时空特征
Adam算法
Attention机制
数据采集模块
机器学习预测方法
分类预测模型
预测特征
回归预测模型
数据编码
非结构化文本
三维空间模型
预测预警系统
矿山井下
风险
预测预警方法
图像检索方法
标识符
图像检索程序
卷积神经网络提取
分布式键值数据库