Resumen

La deformación es un reflejo exhaustivo del estado estructural de una presa de hormigón, y la investigación sobre modelos de predicción de la deformación de presas de hormigón proporciona la base para la supervisión de la seguridad y las estrategias de alerta temprana. Este artículo se centra en problemas prácticos como la multicolinealidad entre factores; la subjetividad de la selección de factores; las deficiencias de robustez, externalidad, generalización e integridad; y la falta de solidez de los sistemas de evaluación de los modelos de predicción. Basándose en la teoría de los conjuntos rugosos (RS) y en una red de memoria a corto plazo (LSTM), se estudian modelos de predicción de la deformación de presas de hormigón monopunto y multipunto para la monitorización de la salud basados en RS-LSTM. Además, se propone un nuevo sistema de evaluación de modelos de predicción y se definen la precisión, robustez, externalidad y generalización del modelo como índices cuantitativos de evaluación. Un proyecto de ingeniería muestra que los modelos de predicción de deformación de presas de hormigón basados en RS-LSTM pueden obtener cuantitativamente los factores representativos que afectan a la deformación de la presa y la importancia de cada factor en relación con el efecto. El índice de evaluación de la precisión (AVI), el índice de evaluación de la robustez (RVI), el índice de evaluación de la externalidad (EVI) y el índice de evaluación de la generalización (GVI) del modelo son superiores a los índices de evaluación de los modelos de redes neuronales poco profundas y los modelos estadísticos existentes según el nuevo sistema de evaluación, que puede estimar el rendimiento integral de los modelos de predicción. El modelo de predicción de la deformación de presas de hormigón basado en RS-LSTM optimiza los factores que influyen en el modelo, determina cuantitativamente la importancia de cada factor y proporciona predicciones dinámicas, sincrónicas y de alto rendimiento para los comportamientos de presas de hormigón; por lo tanto, el modelo tiene una fuerte practicidad en ingeniería.

• Materias:Biotecnología Sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology sensors Sensor system Sensor technology
• Palabras claves:modelos de predicción de la deformación de presas de hormigón, deformación de presas de hormigón, modelos de predicción, lstm, modelo, nuevo sistema de evaluación de modelos de predicción, modelos de redes neuronales poco profundas, índice de evaluación de la precisión, comportamientos de presas de hormigón, estrategias de alerta temprana
• Keywords:concrete dam deformation prediction models, concrete dam deformation, prediction models, lstm, model, new prediction model evaluation system, shallow neural network models, accuracy evaluation index, concrete dam behaviours, early warning strategies