基于多层次数据处理的NGO-XGBoost大坝变形预测模型及其应用

作者：李晨阳; 郑东健^*

来源：水电能源科学, 2023, 41(11): 77-81.

DOI：10.20040/j.cnki.1000-7709.2023.20231076

• 大坝变形预测
• 集合经验模态分解
• 奇异谱分析
• 北方苍鹰算法
• 极限梯度提升

混凝土坝变形序列中存在的噪声和非线性特征严重影响了大坝变形预测的精度。为此，采用集合经验模态分解(EEMD)对坝体水平位移信号进行分解，挖掘其中有效变形信息；并利用奇异谱分析(SSA)对分解所得高频本征模态分量(IMF)进行特征提取，以减少有效信息的丢失。考虑到效应量与环境量之间复杂的随机性和非线性映射关系，采用极限梯度提升(XGBoost)对降噪后的数据建模预测；考虑到XGBoost超参数对模型预测性能的显著影响，引入全局搜索能力较好的北方苍鹰算法(NGO)对其参数寻优，构建了基于NGO-XGBoost的大坝位移预测模型。计算结果表明，EEMD-SSA能有效地去除大坝位移监测信息中的噪声，NGO-XGBoost模型显著提高了大坝位移预测模型的精度。

• 单位
  水文水资源与水利工程科学国家重点实验室; 河海大学