Resumen

El análisis de filtraciones siempre es una preocupación en la seguridad y la investigación de estabilidad de presas. La predicción y análisis de datos de monitoreo de presión de filtración es una manera efectiva de garantizar la seguridad y estabilidad de la filtración de la presa. Con la prontitud de un cambio en un valor de monitoreo y el retraso debido a influencias externas, en este artículo se desarrolla un modelo RS-LSTM escrito en Python que combina la teoría del conjunto áspero (RS) y el modelo de red neuronal de memoria a largo y corto plazo (LSTM). El modelo propuesto calcula el puntaje de predicción de la presión de filtración de una presa experimentando múltiples efectos al preordenar los valores de importancia de los factores para eliminar la interferencia de factores redundantes. Un estudio de caso muestra que el nivel del agua, la lluvia, la temperatura y la duración son todos factores que afectan la presión de filtración, y sus valores de importancia disminuyen sucesivamente. Por lo tanto, la presión de filtración

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Análisis de filtración; Seguridad de presas; Investigación de estabilidad; Predicción; Datos de monitoreo; Modelo RS-LSTM
• Keywords:Seepage analysis; Dam safety; Stability research; Prediction; Monitoring data; RS-LSTM model