科研之友
微信
新浪微博
Facebook
分享链接
摘要
大坝变形监测预报是保障大坝安全运行的关键问题。对于寒冷地区的混凝土大坝，由于表层保温层的影响，其内部温度往往滞后于气温变化。当内部温度计缺失时，使用HST模型进行大坝预测时存在着较大的误差，且利用内部温度计进行多元回归（MR）模型的建模也无法反应温度与变形的非线性关系。因此，针对现阶段对高寒区变形预测不准的问题，提出利用反向学习（OBL）优化的鲸群算法（WOA）对采用RReliefF对因子赋权的支持向量机（SVR）与分布式滞后式（DLM）的温度因子的超参数进行寻优，以构建缺乏内部温度计的寒区混凝土大坝变形预测模型。结果表明：通过对所建立的变形预测模型与传统统计模型和其余常用机器学习算法的性能比较，证明所建立模型具有较高的预测精度，能更好地反映保温混凝土大坝的工作特点。
-
单位新疆水利水电科学研究院; 河海大学; 水文水资源与水利工程科学国家重点实验室
