一种基于AM-LSTM的滑坡涌浪物理模型试验拖曳力预测方法

本发明公开了一种基于AM‑LSTM的滑坡涌浪物理模型试验拖曳力预测方法，基于弗劳德相似准则，针对目标滑坡区域与水工建筑物结构，构建滑坡涌浪的三维水动力耦合物理模型，通过设置不同滑坡体方量、水深的试验组采集坝面拖曳力的动态数据，构建包含时间序列特征的数据集，进行归一化预处理，并划分为训练集和测试集，特征数据集和标签数据集；引入长短期记忆神经网络LSTM层和注意力机制AM层，输入数据进行训练，捕获数据之间存在的长短期依赖关系，实现拖曳力的动态预测，并进行结果可视化。本发明通过带有注意力机制的LSTM模型捕捉滑坡涌浪引起的拖曳力时序演化规律，实现拖曳力的动态预测，提升了预测准确度。