融合空间关联性的特高拱坝位移概率性预测模型
基于机器学习语言建模时,传统方法仅以拟合均方误差(mean square error,MSE)最小为单一优化目标,容易引起过拟合问题.对此,基于关联向量机(relevance vector machine,RVM),建立了融合变形空间关联性的双优化目标约束下的概率性预测模型.利用形状相似度(shape similarity index,SSI)对拱坝变形的空间关联性进行量化,并将单测点MSE和区域变形SSI相融合,共同作为RVM模型的训练优化目标,以期实现MSE尽可能小,而SSI尽可能大.以锦屏一级拱坝为例,预测均方根误差和最大误差的平均降幅分别为31.2%和24.8%,使用多核函数之后,模型预测性能进一步提升;RVM模型的预测置信带宽明显小于多元回归模型,平均降幅为75.1%,这表明双目标RVM模型可有效提升特高拱坝位移预测的精度和稳定性,并降低不确定性.
特高拱坝、位移、空间关联性、概率性预测模型、双目标优化
48
P258(专业测绘)
国家自然科学基金;中国博士后科学基金;水文水资源与水利工程科学国家重点实验室一带一路水与可持续发展科技基金;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室开放研究基金;江苏省研究生科研与实践创新计划项目
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
433-442