短观测期高精度预测
将单一监测序列分解为趋势、周期和随机分量，通过迁移学习将相似大坝的通用知识用于目标大坝，克服观测数据不足的局限。
陈旭东 · Zehua, Chen · Shaowei, Hu · 顾冲时 · 郭进军 · 秦向南 · 胡少伟
Advanced Engineering Informatics 2023
通过特征分解和迁移学习，仅使用短期观测数据即可实现有效的大坝位移预测，摆脱对长期连续数据的依赖。
利用动态时间规整匹配相似特征分量，并通过迁移学习将其他大坝的通用知识用于目标大坝，提升小样本下的预测能力。
将位移序列分解为趋势、周期和随机分量分别建模预测，再叠加各分量得到最终位移，有利于捕捉不同尺度特征，提高计算精度。
工程应用验证表明，该框架在观测不足条件下仍具有相当泛化能力和计算精度，为大坝位移预测提供了新途径。