摘要：变形监测数据通常存在复杂的非线性与潜在特征,提升混凝土坝变形预测精度对混凝土坝结构健康监测具有重要意义。针对混凝土坝变形序列存在非线性与非平稳的数据特征,引入时变滤波模态分解(TVFMD)对变形序列进行自适应分解,基于分解后的各本征模态分量的能量熵大小确定各模态分量的有效性,对含噪分量进行自适应阈值小波包降噪,最后进行重构以提高数据质量,进而构建了基于双向长短期记忆神经网络(BiLSTM)的混凝土坝变形预测模型。工程实例应用结果表明,所提模型相较于传统模型在各评价指标上均有提升,具有较好的实用价值。
