基于贝叶斯优化LightGBM的大坝变形预测模型
为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合全局优化算法——贝叶斯优化进行大坝变形预测.为验证模型适用性,以两座实际混凝土坝工程为例分析,并与多元线性回归、支持向量回归机和多层神经网络等预测结果进行比较.结果表明,该模型均方根误差(RMSE)和平均绝对误差(MAE)等指标均优于其他方法,验证了该模型的可行性及优越性.LightGBM可对输入参数的重要性进行评估,对影响大坝变形的特征进行筛选,从而确定对大坝变形影响更显著的因素,为后续的安全评估工作提供参考.
大坝变形预测、贝叶斯优化、梯度提升框架、多元线性回归、支持向量回归机、多层神经网络
38
TV698.1(水利枢纽、水工建筑物)
国家重点研发计划;国家自然科学基金
2021-07-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
46-50,57