Page 37 - 2022年第53卷第4期

参 考 文 献：

［ 1 ］ 顾冲时，苏怀智，刘何稚 . 大坝服役风险分析与管理研究述评［J］. 水利学报，2018，49（1）：26-35 .
［ 2 ］ 吴中如 . 水工建筑物安全监控理论及其应用［M］. 北京：高等教育出版社，2003 .
［ 3 ］ 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 .
［ 4 ］ 蒋云钟，冶运涛，赵红莉，等 . 水利大数据研究现状与展望［J］. 水力发电学报，2020，39（10）：1-32 .
［ 5 ］ CHEN X D，GU C S，CHEN H N . Early warning of dam seepage with cooperation between principal component
analysis and least squares wavelet support vector machine［J］. Fresenius Environmental Bulletin，2013，22（2）：
500-507 .
［ 6 ］ QIU J C，ZHENG D J，ZHU K . Seepage monitoring models study of earth-rock dams influenced by rainstorms
［J］. Mathematical Problems in Engineering，2016：1656738 .
［ 7 ］ ROUSHANGAR K，GAREKHANI S，ALZADEH F . Forecasting daily seepage discharge of an earth dam using
wavelet-mutual information-gaussian process regression approaches［J］. Geotechnical and Geological Engineer⁃
ing，2016，34（5）：1313-1326 .
［ 8 ］ SALAEAR F，TOLEDO M A，GONZALEZ J M，et al . Early detection of anomalies in dam performance：a meth⁃
odology based on boosted regression trees［J］. Structural Control and Health Monitoring，2017，24（11）：e2012 .
［ 9 ］ 缪长健，施斌，郑兴，等 . 基于 CM-AFSA-BP 神经网络的土石坝渗流压力预测［J］. 水电能源科学，2019，

37（2）：82-85 .
［ 10］ ZHANG X，CHEN X D，LI J J . Improving dam seepage prediction using back-propagation neural network and ge⁃
netic algorithm［J］. Mathematical Problems in Engineering，2020：1404295 .
［ 11］ 黄振东 . 遗传算法在土石坝渗流监控模型应用研究［D］. 南昌：南昌工程学院，2020 .
［ 12］ CHEN S Y，GU C S，LIN C N，et al . Prediction，monitoring，and interpretation of dam leakage flow via adaptive
kernel extreme learning machine［J］. Measurement，2020，166：108161 .
［ 13］ 冯春燕，庞琼，谷艳昌，等 . 基于卡尔曼滤波的土石坝渗流安全监控模型［J］. 武汉大学学报（工学版），
2019，52（11）：962-967 .
［ 14］ LI J J，CHEN X D，GU C S，et al . Seepage comprehensive evaluation of concrete dam based on grey cluster anal⁃
ysis［J］. Water，2019，11（7）：1499 .
［ 15］ 任秋兵，沈扬，李明超，等 . 水工建筑物安全监控深度分析模型及其优化研究［J］. 水利学报，2021，52
（1）：71-80 .
［ 16］ LIU W J，PAN J W，REN Y S，et al . Coupling prediction model for long-term displacements of arch dams based
on long short-term memory network［J］. Structural Control and Health Monitoring，2020，27（7）：e2548 .
［ 17］ 郭玉雪，许月萍，陈浩，等 . 基于多种递归神经网络的海岛水库径流预报［J］. 水力发电学报，2021，40
（9）：14-26 .
［ 18］ HOCHREITER S，BENGIO Y，FRASCONI P，et al . Gradient flow in recurrent nets：the difficulty of learning
long-term dependencies［M］. Wiley-IEEE Press，2001 .
［ 19］ 吴忠强，于丹琦，康晓华 . 基于改进蚁狮优化算法的太阳电池模型参数辨识［J］. 太阳能学报，2019，40
（12）：3435-3443 .
［ 20］ ALI E S，ABDELAZIM S Y，ABDELAZIZ A Y . Optimal allocation and sizing of renewable distributed generation
using ant lion optimization algorithm［J］. Electrical Engineering，2018，100（1）：99-109 .
［ 21］ WANG Q L，ZHANG K X，ORORBIA A G，et al . An empirical evaluation of rule extraction from recurrent neu⁃
ral networks［J］. Neural Computation，2018，30（9）：2568-2591 .
［ 22］ GONZALEZ J，YU W . Non-linear system modeling using LSTM neural networks［J］ . IFAC PapersOnLine，
2018，51（13）：485-489 .
［ 23］ SHI S Y，SUN F K，LEE H Y . Temporal pattern attention for multivariate time series forecasting［J］. Machine
Learning，2019，108（8/9）：1421-1441 .
［ 24］ 杨 杰 ，胡 德 秀 ，吴 中 如 . 大 坝 安 全 监 控 模 型 因 子 相 关 性 及 不 确 定 性 研 究［J］. 水 利 学 报 ，2004（12）：
99-105 .

— 411 —