大坝变形极端梯度提升区间预测模型应用研究

作     者：陈羡濠 胡昱 王亚军 朱学舟 CHEN Xianhao;HU Yu;WANG Yajun;ZHU Xuezhou

作者机构：浙江海洋大学海洋工程装备学院浙江舟山316000 清华大学水圈科学与水利工程全国重点实验室北京100084 清华大学水利部水圈科学重点实验室北京100084 清华大学水利水电工程系北京100084 

出 版 物：《水力发电学报》 (Journal of Hydroelectric Engineering)

年 卷 期：2024年第43卷第10期

页      面：121-136页

核心收录：

学科分类：08[工学] 0815[工学-水利工程] 081503[工学-水工结构工程] 

基　　金：国家自然科学基金(51979145) 引江济淮(河南段)工程科研项目(HNYJJH/JS/FWKY-2021005) 

主　　题：水利工程 变形预测 XGBoost 区间分析 贝叶斯优化 

摘      要：大坝在运行期间,其原始监测数据呈现出复杂、多样且时变的特征,该情况导致了长期监测预警的有效性与准确性逐渐减弱,进而增加了工程失事的风险。因此,建立高效准确的变形监测模型对大坝安全评估具有重要意义。由于大坝系统固有的不确定性,传统的确定性点预测面临无法规避的误差挑战,难以确定坝体变形主要影响因素且精度有待提高。本文提出了一种新的方法,采用极端梯度提升结合自举法构建预测区间,同时,通过弹性网络法进行位移影响因子集的特征提取,使用贝叶斯优化算法搜索最优模型参数。该模型通过自举法结合多个集成模型,有效估计了模型的偏差;通过训练组合模型得到残差,进一步估计了随机噪声的方差,最终实现了对大坝变形不确定性的量化。文章结合白鹤滩特高拱坝运行期坝体变形监测资料进行工程实例验证,通过对比采用单一模型的预测结果和实测结果,验证了本文提出的混合模型方法的高精度和良好鲁棒性,均方根误差仅为0.0112,模型准确率达到96%,效能提升较单一模型最高提高71%。