拱坝施工仿真参数多因素概率预测方法

摘要

施工仿真参数对拱坝施工进度仿真结果的准确性具有重要影响。目前施工仿真参数分析多采用单变量建模方式,部分采用多元分析方法建立点预测模型,均难以分析各类因素影响下施工仿真参数的不确定性。针对上述问题,本研究提出基于宽度学习系统-弹性网分位数回归(broad learning system-elastic network quantile regression,BLS-ENQR)的施工仿真参数概率预测方法。宽度学习系统不需要深度网络结构,具有高效的非线性学习能力,可以克服传统分位数回归模型仅能分析线性关系的不足;同时,采用弹性网正则化惩罚来减小回归系数并提高模型稀疏性,从而避免模型过拟合。工程应用表明,本研究提出的方法可以有效分析出施工仿真参数的概率分布,且相比于支持向量机-弹性网分位数回归、极限学习机-弹性网分位数回归、宽度学习系统-分位数回归模型,该方法具有更好的预测性能,为拱坝施工仿真参数预测提供了一种新思路。