近日，在中科院一区TOP期刊Engineering Applications of Artificial Intelligence在线发表了水利土木工程学院岳强教授题为A hybrid deep learning model integrating interpretability and cloud model for dam deformation and dynamic risk early warning的研究论文。山东农业大学为完成该论文的第一单位，23级硕士研究生王文成为该论文的第一作者，水利土木工程学院岳强教授为该论文的通讯作者，张广鹏副教授给予了指导帮助。中国水利水电研究院为合作单位。

在智能大坝健康监测领域，准确且可解释的变形预测仍是关键挑战。为突破现有深度学习模型在泛化能力和决策透明度方面的局限，本研究提出一种新型混合深度学习框架。该框架深度融合了捕捉全局依赖关系的Transformer架构与建模局部时序动态的双向长短期记忆网络，从而显著提升预测精度与泛化能力。此外，我们融合夏普利加性解释与云模型，构建了集“预测-归因-评估”于一体的完整流程。在中国宁夏黄河干流水工枢纽的案例研究中，所开发的六种变形预测模型均表现优异：均方误差低于0.029，均方根误差低于0.137，显著优于其他三种广泛应用的坝体变形预测深度学习模型。夏普利加性解释识别出五个关键风险影响因子，包括前时段变形量与坝基接缝张开位移等。云模型进一步实现了动态风险演变的定量评估。本研究推动大坝安全监测范式从“黑箱预测”向“透明决策”转变，为实时风险管理提供了兼具理论与实践价值的解决方案。

原文链接：https://authors.elsevier.com/a/1mFpT3OWJ9CZgF