基于TimeGAN和CNN-BiLSTM-Attention的大壩變形預測混合模型

摘要： 基于歷史數(shù)據(jù)的深度學習模型往往需要跨越數(shù)年的大量數(shù)據(jù)集，為了解決數(shù)據(jù)不足問題，提出一種將時間序列生成對抗性網(wǎng)絡(TimeGAN)與CNN-BiLSTM-Attention相結(jié)合的混凝土面板堆石壩變形預測混合模型。首先，利用TimeGAN生成虛擬數(shù)據(jù)來擴展稀疏的數(shù)據(jù)集；然后，利用卷積神經(jīng)網(wǎng)絡(CNN)提取大壩傳感器數(shù)據(jù)中的非線性局部特征，運用BiLSTM捕獲雙向時間序列特征；最后... （共5頁）