第３４卷第２期２０２３年４月水资源与水工程学报ＪｏｕｒｎａｌｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ＆ＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇＶｏｌ．３４Ｎｏ．２Ａｐｒ．，２０２３收稿日期：２０２２⁃０７⁃２２；修回日期：２０２２⁃０９⁃１４基金项目：国家自然科学基金项目（５１９７９０８９、５１６７９０７３）作者简介：岑威钧（１９７７—），男，浙江慈溪人，博士，教授，博士生导师，研究方向为土石坝抗震与工程渗流安全。ＤＯＩ：１０．１１７０５／ｊ．ｉｓｓｎ．１６７２－６４３Ｘ．２０２３．０２．２３基于ＥＥＭＤ⁃ＬＳＴＭ⁃ＡＲＩＭＡ的土石坝渗压预测模型研究岑威钧，王肖鑫，蒋明欢（河海大学水利水电学院，江苏南京２１００９８）摘要：渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响，测点的渗压值时间序列往往存在非平稳性、局部突变等特点，为此基于“分解⁃重构⁃组合”的思想构建了土石坝渗压预测的ＥＥＭＤ⁃ＬＳＴＭ⁃ＡＲＩＭＡ模型。首先采用集合经验模态分解（ＥＥＭＤ）对时间序列特征进行提取，根据长短期记忆神经网络（ＬＳＴＭ）对提取出的特征分量进行预测，同时结合差分自回归移动平均方法（ＡＲＩＭＡ）进行残差修正，组合ＬＳＴＭ和ＡＲＩＭＡ的预测结果，重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例，选取主河床坝体防渗墙后２个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明：相较于单一的ＬＳＴＭ模型和ＡＲＩＭＡ模型，改进模型的平均绝对误差ＭＡＥ、均方误差ＭＳＥ、均方根误差ＲＭＳＥ均为３种模型中的最小值，预测精度明显优于另外２种模型，该模型为土石坝渗压的精确预测分析提供了新途径。关键词：土石坝；渗压预测；集合经验模态分解；长短期记忆神经网络；差分自回归移动平均中图分类号：ＴＶ６４１文献标识码：Ａ文章编号：１６７２⁃６４３Ｘ（２０２３）０２⁃０１８０⁃０６Ｓｅｅｐａｇｅｐｏｒｅｗａｔｅｒｐｒｅｓｓｕｒｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｅａｒｔｈ－ｒｏｃｋｄａｍｓｂａｓｅｄｏｎＥＥＭＤ⁃ＬＳＴＭ⁃ＡＲＩＭＡＣＥＮＷｅｉｊｕｎ，ＷＡＮＧＸｉａｏｘｉｎ，ＪＩＡＮＧＭｉｎｇｈｕａｎ（ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｐｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｓｅ...
