一种基于集成学习的大坝变形预测方法

摘要

本发明公开了一种基于集成学习的大坝变形预测方法，对大坝上观测点连续监测得到的垂直位移观测数据进行预处理，得到重力拱坝上点的沉降变形量与水压、温度和时效因素的关系；对预处理后的数据集进行划分，利用神经网络构建单个大坝变形预测模型，并对单个大坝变形预测模型进行训练；采用十折交叉检验方法对单个大坝变形预测模型的输出结果进行验证，确定最优模型参数，得到简单神经网络模型；将若干简单神经网络模型的输出结果进行加权平均，得到集成结果；对集成学习模型进行精度评估并验证其泛化性能。使用本发明方法，大坝变形预测精度较统计模型提高了27％，较单神经网络模型平均提高了16％，且集成模型更加稳定。