各测点位移是能够直观反映大坝运行特性的关键指标，及时分析位移监测数据，有利于对大坝健康运行做出预警。为准确估计混凝土拱坝变形状态，提出了一种基于孤立森林和核极限学习机的混凝土拱坝位移预测模型(IF-KELM),利用孤立森林剔除异常值和核极限学习机非线性拟合能力强的特点，采用粒子群算法优化模型参数，避免人工选择异常阈值，提高预测性能和泛化能力。在实际工程监测数据的仿真计算中，与其他模型的预测结果对比表明，构建的IF-KELM模型的预测结果更精确，鲁棒性更好。
科研之友
微信
新浪微博
Facebook
分享链接
