基于GP-XGBoost的大坝变形预测模型

摘要

为了改善传统预测模型建模方法大样本训练效率低、容易过拟合、参数敏感性差的问题,引入极端梯度提升(XGBoost)算法,结合基于高斯过程(GP)的贝叶斯优化方法提升学习效率与预测精度,构建了基于GP-XGBoost的大坝变形预测模型,并通过工程实例与传统统计模型、神经网络模型的预测效果进行了比较.结果表明,构建的大坝变形预测模型预测精度高,迭代速度快,通过调整正则项参数能有效避免过拟合.