来源：期刊VIP网 时间：
作者：柯扬忠;程小龙;程志良;刘陶胜;王丽丽;
单位：江西理工大学土木与测绘工程学院;广东省有色地质测绘院;
摘要：针对大坝变形预测中存在的影响因素多、数据复杂度高和非线性问题,以及不同参数组合对预测精度的显著影响,本文提出了一种融合最优变分模态分解(OVMD)、递归特征消除及交叉验证(RFECV)、粒子群优化算法(PSO)和极限梯度提升算法(XGBoost)的大坝变形预测模型.首先对大坝的变形数据进行OVMD分解,将原始数据分解成K个模态分量;其次,使用RFECV为每个模态分量进行最优特征子集筛选;最后使用PSO对XGBoost的参数进行优化,构建基于OVMD-RFECV-PSO-XGBoost的大坝变形预测模型;以中国江西省某大坝2009—2015年变形监测数据为例,对大坝的垂直沉降位移进行预测,设置不同对照组进行验证.实验结果表明,OVMD-RFECV-PSO-XGBoost预测模型的E_(MS)为0.1411mm,E_(MAP)为5.9455%,R~2为0.9348,预测精度均优于其他对照模型.
关键词：大坝变形预测;;最优变分模态分解;;递归特征消除及交叉验证;;粒子群优化算法;;极限梯度提升算法;;机器学习
基金资助：国家自然科学基金青年项目(42004158);; 江西省自然科学基金青年项目(20224BAB212025)
