Page 57 - 2023年第54卷第7期

６ 结论

灌浆流量数据存在强非线性和强波动性的特点，给灌浆流量的预测带来了极大的挑战，本研究建
立了基于 ＣＥＥＭＤＡＮ － Ｔｒａｎｓｆｏｒｍｅｒ的灌浆流量混合预测模型，得出以下结论：
２
（ １）ＣＥＥＭＤＡＮ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ（ＲＭＳＥ ＝ ６．２８１ ，Ｒ ＝ ０．２３２ ，ＭＡＥ ＝ ４．６８２ ，ＭＡＰＥ ＝ １３．３３３ ）相比
２
多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ算法精度（ＲＭＳＥ ＝ ７．０３７ ，Ｒ ＝ ０．０３６ ，ＭＡＥ ＝ ５．３４３ ，ＭＡＰＥ ＝ １４．２３２ ）明显提升。
２
（２）考虑输入和输出的全局依赖关系的多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ算 法 （ＲＭＳＥ＝ ７．０３７ ，Ｒ ＝ ０．０３６ ，
２
ＭＡＥ ＝ ５．３４３ ，ＭＡＰＥ ＝ １４．２３２ ）相比 Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ（ＢＰ）神经网络算法（ＲＭＳＥ ＝ １３．６２５ ，Ｒ ＝－ ２．６１４ ，
ＭＡＥ ＝ １０．３００，ＭＡＰＥ ＝ ２７．９２７）精度明显提升，同时多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ算法相比序列到序列算法
２
（ ＲＭＳＥ ＝ ７．７１９，Ｒ ＝－ ０．１６０，ＭＡＥ ＝ ６．２９０，ＭＡＰＥ ＝ １７．７７８）有一定幅度提升，能够更好地反映序列趋
势，并且实现了并行计算。
（３）建立多输入多输出灌浆流量时序预测模型相比传统的单点预测提高了算法精度，ＣＥＥＭＤＡＮ ＋
２
多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ的计算精度为 ＲＭＳＥ ＝ ６．２８１ ，Ｒ ＝ ０．２３２ ，ＭＡＥ ＝ ４．６８２ ，ＭＡＰＥ ＝ １３．３３３ ，相比传
２
２
统 ＲＦ（ＲＭＳＥ ＝ ７．８１６ ，Ｒ ＝－ ０．１８９ ，ＭＡＥ ＝ ５．９３４ ，ＭＡＰＥ ＝ １６．５０２ ）、ＳＶＭ（ＲＭＳＥ ＝ ７．７０２ ，Ｒ ＝－ ０．１５５ ，
２
ＭＡＥ ＝ ５．８４３，ＭＡＰＥ ＝ １６．２９５）、ＢＰＮＮ（ＲＭＳＥ ＝ １３．６２５，Ｒ ＝－ ２．６１４，ＭＡＥ＝ １０．３００，ＭＡＰＥ＝ ２７．９２７）、
２
ＥＬＭ（ＲＭＳＥ ＝ ７．８７３ ，Ｒ ＝－ ０．２０７ ，ＭＡＥ ＝ ５．９７４ ，ＭＡＰＥ ＝ １６．３６４ ）算法的计算精度存在明显优势。序列
到序列预测减少了每次预测的繁杂度和增加了每次预测的预警时间。
（ ４）利用多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ算法建立了耦合灌浆流量和灌浆压力的混合参数预测模型，灌浆
２
流量混合预测模型精度 ＲＭＳＥ，Ｒ，ＭＡＥ，ＭＡＰＥ分别为 ７．２９０，－ ０．０３５ ，５．５０５，１５．００６，相比仅通过
２
流量预测流量结果（ ＲＭＳＥ ＝ ７．０３７ ，Ｒ ＝ ０．０３６ ，ＭＡＥ ＝ ５．３４３ ，ＭＡＰＥ ＝ １４．２３２ ）在算法精度方面没有明显
２
提升；灌浆压力混合预测模型精度 ＲＭＳＥ，Ｒ，ＭＡＥ，ＭＡＰＥ分别为 ０．３０７，－ ０．９６７，０．２４１，１６．３７０，相
２
比仅通过压力预测压力结果（ＲＭＳＥ ＝ ０．２９４，Ｒ ＝－ ０．８１４，ＭＡＥ ＝ ０．２３２，ＭＡＰＥ ＝ １５．６７５）在算法精度方
面没有明显提升。

参 考 文 献：

［ １］ 樊启祥，黄灿 新，蒋 小 春，等．水 电 工 程 水 泥 灌 浆 智 能 控 制 方 法 与 系 统 ［Ｊ］．水 利 学 报，２０１９，５０（２）：
１６５ － １７４．
［ ２］ 钟登华，时梦楠，崔博，等．大坝智能建设研究进展［Ｊ］．水利学报，２０１９，５０（１）：３８ － ５２，６１．
［ ３］ 李斌，郭亮，刘双华，等．基于 ＳＰＣ理论的灌浆压力网络监测报警系统［Ｊ］．长江科学院院报，２０２０，３７
（２）：１７４ － １７８．
［ ４］ 李凤玲，申群太，徐力生．基于改进 ＧＭ（１，１）的灌浆压力预测建模［Ｊ］．自动化技术与应用，２００８（３）：
１２ － １５．
［ ５］ 郭晓刚．高面板坝趾板基础高压灌浆技术及其智能预测与控制研究［Ｄ］．武汉：中国科学院研究生院（武
汉岩土力学研究所），２００８．
［ ６］ 王晓玲，薛林丽，佟大威，等．基于改进 ＳＶＲ算法的灌浆功率阈值预测方法研究［Ｊ］．天津大学学报（自
然科学与工程技术版），２０２１，５４（８）：７７１ － ７８０．
［ ７］ 邓韶辉，王晓玲，石祖智，等．基于 ＦＩＧ和 ＧＷＯ － ＳＶＭ的灌浆功率时序预测［Ｊ］．河海大学学报（自然科学
版），２０２０，４８（５）：４２６ － ４３２．
［ ８］ ＸＵＥＬ，ＺＨＵＹ，ＧＵＡＮＴ，ｅｔａｌ．Ｇｒｏｕｔｉｎｇｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇａｈｙｂｒｉｄｍｏｄｅｌｂａｓｅｄｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓ
ｓｉｏｎｏｐｔｉｍｉｚｅｄｂｙａｎｉｍｐｒｏｖｅｄｊａｙａａｌｇｏｒｉｔｈｍ［Ｊ］．ＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，２０２０，１０（２０）：７２７３．
［ ９］ ＥＢＲＡＨＩＭ Ｒ，ＥＢＲＡＨＩＭ Ｓ，ＡＨＭＡＤＲ．Ｃｅｍｅｎｔｔａｋｅｅｓｔｉｍａｔｉｏｎｕｓｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｉｎ
ＢａｋｈｔｉａｒｉａｎｄＫａｒｕｎ４ｄａｍｓｉｔｅｓ，ｉｎｓｏｕｔｈｗｅｓｔｏｆＩｒａｎ［Ｊ］．ＢｕｌｌｅｔｉｎｏｆＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙａｎｄｔｈｅＥｎｖｉｒｏｎｍｅｎｔ，
２０１９，７８：２８１７ － ２８３４．
［１０］ ＹＡＮＧＣ．ＥｓｔｉｍａｔｉｎｇｃｅｍｅｎｔｔａｋｅａｎｄｇｒｏｕｔｅｆｆｉｃｉｅｎｃｙｏｎｆｏｕｎｄａｔｉｏｎｉｍｐｒｏｖｅｍｅｎｔｆｏｒＬｉ － Ｙｕ － Ｔａｎｄａｍ［Ｊ］．Ｅｎｇｉ

— ８ １ ５ —