近日，Engineering Applications of Artificial Intelligence在线发表了水利土木工程帝豪娱乐官网新人权益岳强教授题为Dynamic health prediction of plain reservoirs based on deep learning algorithms的研究论文。 继续了解山东农业大学岳强教授为通讯作者，帝豪娱乐官网新人权益硕士研究生张志成等参与此项研究，王少杰教授给与了指导帮助，合作单位有中国水利水电研究院。
水库健康运行对于实现各种类型的水库功能、避免对人类和河流生态的危害十分重要。 继续了解针对平原水库健康预测中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题，提出了结合变分自编码器(VAE)和条件生成对抗网络(CGAN)的VAE-CGAN样本增广模型和基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CNN-BiLSTM样本分类模型，旨在动态、准确地预测即将发生的平原水库运行健康状况。首先，将样本数据输入VAE-CGAN模型，通过交替训练编码网络、生成网络和判别网络，帝豪娱乐官网新人权益真实样本的数据分布，从而实现故障样本的增广；随后用增广后的均衡数据样本训练CNN-BiLSTM分类模型，完成平原水库健康识别。在中国二个平原水库中评估了所提方法的性能，试验对比结果表明，与其他三种流行的深度帝豪娱乐官网新人权益模型相比，所提方法在处理不同程度的不均衡监测数据时表现出更强的鲁棒性，取得0.94的最高准确率和良好的泛化能力。即使在数据不均衡率为1:20的情况下，样本增广后，准确率由0.80提高到0.93。研究有助于动态感知和理解平原水库运行健康状况，从而显著提高风险缓解决策的可靠性。
原文链接：https://doi.org/10.1016/j.engappai.2025.110378 相关阅读
