科研之友
微信
新浪微博
Facebook
分享链接
摘要
建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键，而其变形监测数据具有复杂的非线性和非平稳特征，会影响预测模型的精度及泛化能力。针对上述问题，引入鲸鱼优化算法（WOA）和包络熵理论自适应寻优变分模态分解（VMD）参数，根据最佳参数组合多尺度分解变形数据，得到多个不同特征尺度的本征模态函数（IMF）。通过重构分量为新分量，将新分量分别输入极端梯度提升（XGBoost）模型中进行预测，叠加各预测结果得到最终预测值。基于国内山口岩碾压混凝土拱坝变形监测数据，开展支持向量回归机（SVR）、随机森林（RF）、XGBoost、WOA-VMD-XGBoost等4种模型的精度、泛化能力对比研究。结果表明：相比于单一预测模型，组合模型有效挖掘了变形信号多尺度特征，降低了非线性、非平稳性对模型性能的影响，在精度、泛化能力中表现出更高性能。该组合模型为大坝变形监测提供了理论依据和应用参考，可在类似工程中推广应用。
- 出版日期2023
- 单位中国电力建设集团有限公司; 长沙理工大学; 中国水利水电第八工程局有限公司
