首页|基于多因子融合和Stacking集成学习的大坝变形组合预测模型

基于多因子融合和Stacking集成学习的大坝变形组合预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Combined prediction model of dam deformation based on multi-factor fusion and Stacking ensemble learning

王瑞婕、包腾飞、李扬涛、宋宝钢、向镇洋

展开 >

河海大学水利水电学院,江苏南京 210098

河海大学水文水资源与水利工程科学国家重点实验室,江苏南京 210098

三峡大学水利与环境学院,湖北宜昌 443002

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

国家自然科学基金国家自然科学基金

U224322351739003

2023

10.13243/j.cnki.slxb.20220723

水利学报
中国水利学会

水利学报

CSTPCDCSCD北大核心
影响因子：1.778
ISSN：0559-9350
年,卷(期)：2023.54(4)
  • 4
  • 22