水跃压力场分析是评估消能池底板稳定性的关键。本研究旨在模拟无量纲极端压力最小压力波动系数（CP（P）-)和最大压力波动（CP（P）+)使用三种深度学习（DL）技术的实验数据。压力使用卷积神经网络（CNN）、门控递归单元（GRU）和长短期记忆（LSTM）方法估计系数。对于CP（P）-相关系数对于测试数据集，使用LSTM模型得到相关系数（CC）=0.894和Willmott一致性指数（WI）=0.944，与0.892和CNN 0.936；GRU为0.892和0.943。对于CP（P）+使用LSTM模型得到系数，CC=0.910和WI=0.950，与CNN的0.903和0.941相比；以及0.905和0.945（带GRU）。结果表明，LSTM模型在估算压力系数方面具有良好的性能。在实验室条件下本研究中使用的实验数据域框架表明，DL模型成功地建模了非常复杂的系统。因此，DL建议使用技术来估算极端压力系数，从而减少执行昂贵实验的需要。
