基于CNN-DDAR-ACDSA的土石坝渗流异常自适应识别模型

时间：2026-05-07 来源：

分享到：

论文题目：基于CNN-DDAR-ACDSA的土石坝渗流异常自适应识别模型

论文作者：罗诗怡1，谷艳昌1,2,3，陆强1，吴云星1,2，黄之源1

作者单位:1.南京水利科学研究院 江苏 南京 210029；2.水利部大坝安全管理中心 江苏 南京 210029；3.水灾害防御全国重点实验室 江苏 南京 210029

摘要：针对土石坝渗流病害演化缓慢、运行工况变化导致监测数据非平稳等问题，传统固定阈值与经验统计方法难以精准识别异常。本文结合无监督时间序列异常检测中的自适应建模思想，提出一种面向长期运行工况变化的渗流异常自适应识别模型。该模型以卷积编码结构提取监测数据特征，引入动态维度自适应表征机制刻画不同工况下的正常渗流统计关系，并通过对抗性双流结构综合重构误差与判别构建异常指数，结合指数加权移动平均与滑动分位阈值实现自适应更新与判别。工程算例表明，该方法在工况变化背景下能够保持对正常渗流性态的稳定跟踪，对异常演化过程具有较好的敏感性与鲁棒性，为土石坝渗流病害的长期监测与异常识别提供了一种具有工程可解释性的自适应分析方法。