土石坝渗流预测的BiTCN-Attention-LSSVM模型研究

来源：水资源与水工程学报杂志2025年第1期北京时间：

作者：傅蜀燕，杨石勇，陈德辉，王子轩，欧斌

单位：（1.云南农业大学水利学院,2.河海大学水灾害防御全国重点实验室,3.云南省中小型水利工程智慧管养工程研究中心

摘要：为了克服常规机器学习模型在处理时序数据时难以有效捕捉长期依赖关系和局部重要性的局限，提出了一种基于双向时序卷积神经网络（BiTCN）、注意力机制（Attention）和最小二乘支持向量机（LSSVM）的土石坝渗流预测耦合模型。该模型利用BiTCN从前、后两个方向捕获时序数据中的长期依赖关系，引入Attention机制帮助模型专注于与预测相关的关键局部特征，并将BiTCN-Attention深度处理后的特征输入LSSVM模型中进行预测，最后以2个不同的数据集分析了模型的预测效果。案例分析表明：与LSSVM、CNN-LSSVM和TCN-LSSVM相比，BiTCN-Attention-LSSVM模型预测的各项评价指标均为最优，在土石坝测压管水位预测中展现出更高的模型精度和稳定性；BiTCN与Attention的相互结合能够更好地提取时序数据中的相互依赖关系，将BiTCN-Attention提取的特征输入LSSVM中进行预测可获得良好的预测性能，数据集扩充处理后有效提高了模型的学习能力。

关键词：土石坝测压管水位,渗流预测,双向时序卷积神经网络,注意力机制,最小二乘支持向量机

基金资助：国家自然科学基金项目（52069029、52369026）； “一带一路”水与可持续发展科技基金资助项目（2023490411）； 云南省农业基础研究联合专项面上项目（202401BD070001-071）