基于MIC-BBO-SVM的大坝渗流预测模型

作者：刘泽; 章光; 李伟林; 胡少华^*

来源：中国安全生产科学技术, 2020, 16(11): 12-18.

• 安全监测
• 渗流量
• 因子优选
• MIC-BBO-SVM
• 预测精度

为监控大坝运行过程中的异常状态,准确预测大坝渗流量的变化趋势,采用最大信息系数(MIC)量化渗流量与影响因子之间的相关性大小并从中选取主导因子作为输入变量,通过引入生物地理学优化算法(BBO)并以K折交叉验证意义下的平均均方根误差为损失函数来优化支持向量机(SVM)作为预测模型,以某水电站工程的拦河大坝为例进行模型验证。结果表明:MIC-BBO-SVM模型的拟合优度、均方根误差、平均绝对误差和平均绝对百分比误差分别为0.957 5,0.155 0 m3/h,0.135 6 m3/h,11.51%,预测性能明显优于逐步回归模型、SVM模型和MIC-SVM模型,可为大坝渗流安全监测提供参考与借鉴。

• 单位
  武汉理工大学; 国家大坝安全工程技术研究中心