文献

J-GLOBAL ID：202202273663746675   整理番号：22A1130150

EEMD-SE-LSTMに基づくコンクリートダム変形モニタリングモデル【JST・京大機械翻訳】

Deformation monitoring model of concrete dams based on EEMD-SE-LSTM

著者 (4件)： Hou Huiwei (河海大学水利水電学院,江蘇 南京 210098) ,  Zheng Dongjian (河海大学水利水電学院,江蘇 南京 210098) ,  Liu Yongtao (河海大学水利水電学院,江蘇 南京 210098) ,  Huang Hanbing (河海大学水利水電学院,江蘇 南京 210098)
資料名： Shuili Shuidian Keji Jinzhan  (Shuili Shuidian Keji Jinzhan)
巻： 42  号： 1  ページ： 61-66  発行年： 2022年 
JST資料番号： C2998A  ISSN： 1006-7647  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： コンクリートダムの変形監視データの予測精度を改善するために,統合経験的モード分解(EEMD)とサンプルエントロピー再構成(SE)に基づく,長い短期記憶ネットワーク(LSTM)予測モデルを構築した。モデルはEEMDを用いてオリジナルデータ系列を分解し、各成分序列のサンプルエントロピーを計算し、元の序列サンプルエントロピーを基準として再構築し、再構築後の各序列に対してLSTMモデルの予測を行い、最後に各予測値を重ねて最終予測結果を得る。あるコンクリートアーチダムを例として、このモデルをEMD-LSTM、LSTMとSVMモデルの予測結果と対比し、結果はEEMD-SE-LSTMモデルがより高い予測精度を持ち、コンクリートダムの変形予測において、より優れた実用性と優越性を有することを表明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  予測 ,  *コンクリート ,  精度 ,  アーチダム ,  *コンクリートダム ,  監視 ,  再構成 ,  周波数解析 ,  *モデル ,  予測モデル
準シソーラス用語： 短期記憶 ,  予測精度 ,  実用性 ,  予測値 ,  経験的モード分解 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  計算理論  (JB02000A)

タイトルに関連する用語 (3件)： コンクリートダム ,  モニタリング ,  モデル