基于ＴｉｍｅＧＡＮ 和ＣＮＮ－ＢｉＬＳＴＭ－Ａｔｔｅｎｔｉｏｎ 的大坝变形预测混合模型

打开文本图片集

摘 要：基于历史数据的深度学习模型往往需要跨越数年的大量数据集，为了解决数据不足问题，提出一种将时间序列生成对抗性网络（ＴｉｍｅＧＡＮ）与ＣＮＮ－ＢｉＬＳＴＭ－Ａｔｔｅｎｔｉｏｎ 相结合的混凝土面板堆石坝变形预测混合模型。首先，利用ＴｉｍｅＧＡＮ 生成虚拟数据来扩展稀疏的数据集；然后，利用卷积神经网络（ＣＮＮ）提取大坝传感器数据中的非线性局部特征，运用ＢｉＬＳＴＭ 捕获双向时间序列特征；最后，引入注意力（Ａｔｔｅｎｔｉｏｎ）机制对ＢｉＬＳＴＭ 层提取的信息特征自动进行权重分配，通过全连接层输出最终预测结果。（剩余6889字）