基于MLR-SSA-GRU的混凝土坝裂缝开度组合预测模型

作者：高治鑫; 包腾飞; 李扬涛

来源：武汉大学学报(工学版), 2022, 55(07): 647-653.

DOI：10.14188/j.1671-8844.2022-07-001

• 裂缝开度
• 多元线性回归
• 奇异谱分析
• 门控循环单元

混凝土坝中的裂缝问题十分普遍，为客观准确分析其影响因素并建立精准预测模型，引入奇异谱分析(singular spectrum analysis,SSA)提取残差序列信号与噪声空间中的有效信息，并使用多元线性回归-门控循环单元神经网络(multiple linear regression-gated recurrent unit,MLR-GRU)组合模型对裂缝开度进行分析和预测。以某混凝土重力拱坝裂缝监测数据为例，对多层神经网络(multi layer perception,MLP)、随机森林(random forest,RF)以及支持向量回归机(support vector regression,SVR)等多种方法进行对比分析，以验证所提组合模型的合理性和可行性。结果表明，该组合模型的相关系数R2、均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)多个评估指标均显著优于其他模型，且Diebold-Mariano假设检验结果表明该模型与其他模型相比具有显著性差异。该组合模型既具有传统统计回归模型对影响裂缝变化因素的强解释性，又对裂缝行为有很好的预测效果，可推广应用于实际工程的裂缝行为预测诊断中。

• 单位
  三峡大学; 河海大学; 水文水资源与水利工程科学国家重点实验室