基于多因子融合和Stacking集成学习的大坝变形组合预测模型

摘要：

变形是反映大坝服役形态变化的直观表征,构建高效准确的变形预测模型对于大坝结构安全控制十分重要.传统单因子及单算法变形预测模型存在泛化能力不足、鲁棒性差等问题,易出现预测偏差甚至误判.针对这一问题,本文选取不同变形解释因子及回归算法,构建多种单因子单算法预测模型,结合Stacking集成学习思想,对上述模型进行组合,提出了大坝变形组合预测模型.该组合模型以Stacking集成学习为核心,采用高斯过程回归作为元学习器,从算法、因子两方面对单因子单算法预测模型进行集成,并通过k折交叉验证减小模型过拟合风险.以某混凝土拱坝变形监测数据为例,通过多模型构建与性能比较,对所提出模型的准确性与有效性进行评估.结果表明:单因子单算法预测模型具备准确性和多样性的特征;通过算法、因子集成,组合模型的预测精度和鲁棒性得到了显著提高,在水位波动期的预测能力得到了有效增强.综上,大坝变形组合预测模型具备出色的非线性信息挖掘与建模预测能力,可为大坝安全监测提供可靠依据.

关键词：多因子融合、大坝安全监测、预测模型、Stacking集成学习、支持向量机、随机森林

所属期刊栏目：54

分类号：TV698.1(水利枢纽、水工建筑物)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：497-506