排灌机械工程学报

作者：刘宇星, 柴军瑞

单位：西北旱区生态水利国家重点实验室, 陕西 西安 710048

关键词：混凝土拱坝,大坝变形预测,深度学习模型,密集连接卷积网络,门控循环单元神经网络

基金：国家自然科学基金资助项目(51679197);陕西省创新团队项目(2022TD-01)

传统的基于统计或机器学习的预测方法往往难以有效捕捉混凝土拱坝位移与多种影响因素之间的复杂映射关系,提出了一种新的基于深度学习的预测方法.该方法通过融合密集连接卷积网络(DenseNet)与门控循环单元神经网络(GRU),构建了一个DenseNet-GRU的模型,旨在提高混凝土拱坝变形预测的准确度和泛化能力.研究选取中国某地区一座典型的混凝土拱坝作为案例,采用多个测点的变形监测数据进行实证分析.结果表明:DenseNet-GRU模型能够精确地模拟所有监测点的位移变形过程,相比于其他深度学习模型,展现出更高的预测精度和更强的泛化能力.研究为大坝安全监测与健康管理提供了一种高效、可靠的预测工具,对于促进大坝安全管理实践的发展具有重要的理论和实际意义.

来源：2026年第3期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2026年第3期