科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】变形是反映大坝结构性态最直观的效应量，构建科学合理的变形预测模型是保障大坝安全健康运行的重要手段。针对传统大坝变形预测模型预测精度低、误报率高等问题导致的错误报警现象，【方法】本文选取不同预测模型和聚类算法集成，构建了一种Blending-Clustering集成学习的大坝变形预测模型，该模型以Blending对单一预测模型集成提升预测精度为核心，并通过Clustering聚类优选预测值改善模型稳定性。以新疆某面板堆石坝变形监测数据为实例分析，通过多模型预测性能比较，对所提出模型的预测精度和稳定性进行全面评估。【结果】结果显示：Blending-Clustering模型将预测模型和聚类算法集成，均方根误差(RMSE)和归一化平均百分比误差(nMAPE)明显降低，模型的预测精度得到显著提高；回归相关系数(R2)得到提升，模型具备更强的拟合能力；在面板堆石坝上22个测点变形数据集上的预测评价指标波动范围更小，模型的泛化性和稳定性得到有效增强。【结论】结果表明：Blending-Clustering集成预测模型对于预测精度、泛化性和稳定性均有明显提升，对于实际工程具有一定的应用价值。
- 出版日期2023
- 单位南京水利科学研究院; 南京理工大学
