Page 121 - 2023年第54卷第4期

水 利 学 报

２０２３年 ４月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 ４期

文章编号：０５５９ － ９３５０（２０２３）０４ － ０４９７ － １０

基于多因子融合和 Ｓｔａｃｋｉｎｇ集成学习的大坝变形组合预测模型

１
１
１
王瑞婕 ，包腾飞 １，２，３ ，李扬涛 ，宋宝钢 ，向镇洋 １
（１．河海大学 水利水电学院，江苏 南京 ２１００９８；
２．河海大学 水文水资源与水利工程科学国家重点实验室，江苏 南京 ２１００９８；
３．三峡大学 水利与环境学院，湖北 宜昌 ４４３００２）

摘要：变形是反映大坝服役形态变化的直观表征，构建高效准确的变形预测模型对于大坝结构安全控制十分重
要。传统单因子及单算法变形预测模型存在泛化能力不足、鲁棒性差等问题，易出现预测偏差甚至误判。针对这
一问题，本文选取不同变形解释因子及回归算法，构建多种单因子单算法预测模 型，结 合 Ｓｔａｃｋｉｎｇ集 成 学 习 思
想，对上述模型进行组合，提出了大坝变形组合预测模型。该组合模型以 Ｓｔａｃｋｉｎｇ集成学习为核心，采用高斯过
程回归作为元学习器，从算法、因子两方面对单因子单算法预测模型进行集成，并通过 ｋ折交叉验证减小模型过
拟合风险。以某混凝土拱坝变形监测数据为例，通过多模型构建与性能比较，对所提出模型的准确性与有效性进
行评估。结果表明：单因子单算法预测模型具备准确性和多样性的特征；通过算法、因子集成，组合模型的预测
精度和鲁棒性得到了显著提高，在水位波动期的预测能力得到了有效增强。综上，大坝变形组合预测模型具备出
色的非线性信息挖掘与建模预测能力，可为大坝安全监测提供可靠依据。
预测模型；Ｓｔａｃｋｉｎｇ集成学习；支持向量机；随机森林
关键词：多因子融合；大坝安全监测；
中图分类号：ＴＶ６９８．１ 文献标识码：Ａ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２２０７２３

１ 研究背景

随着水利资源的深入开发，我国大坝建设在数量、高度和规模上均取得了举世瞩目的成就 ［１］ 。水
库大坝在发电、防洪、供水等方面发挥巨大作用时，其安全问题日益突出 ［２］ ，对水库大坝安全监测提
出了更高要求。变形是最直观、可靠反映大坝服役性态变化的监测量 ［３］ ，合理的大坝变形预测模型对
于大坝长效服役及除险加固具有重要指导意义 ［４］ 。
大坝变形受到水压、温度和时效等因素影响，选择合适的变形解释因子模型十分关键 ［５］ 。当坝体
及坝基埋设的温度测点能充分描述其温度场变化时，可采用各温度测点实测值作为温度分量，建立静
水－ 温度－ 时间（Ｈｙｄｒｏｓｔａｔｉｃ － Ｔｈｅｒｍａｌ － Ｔｉｍｅ，ＨＴＴ）模型 ［６ － ７］ 。ＨＴＴ模型对大坝热变形行为的分析能力较
强，但该模型难以选取合适的温度测点，且易引入过多温度测点导致维数灾难 ［８］ 。当大坝内温度监测
资料缺少或不足时，可采用静水－ 季节－ 时间（Ｈｙｄｒｏｓｔａｔｉｃ － Ｓｅａｓｏｎａｌ － Ｔｉｍｅ，ＨＳＴ）模型 ［９ － １０］ 。ＨＳＴ模型采
用谐波因子描述温度分量，其在大多数情况下与大坝变形相吻合，但是其难以揭示温度周期性差异与
局部波动导致的热变形细节特征。此外，静水 － 气温 － 时间（Ｈｙｄｒｏｓｔａｔｉｃ － Ａｉｒｔｅｍｐｅｒａｔｕｒｅ － Ｔｉｍｅ，ＨＴ Ｔ）
Ａ
模型 ［１１ － １２］ 采用气温数据作为温度分量并考虑内外温度变化的滞后效应，在大坝变形预测上得到了成功
应用，但合适的气温滞后期长度还有待探讨 ［１２］ 。在建立变形预测模型时，ＨＴＴ、ＨＳＴ及 ＨＴ Ｔ因子模
Ａ

收稿日期：２０２２ － ０９ － １３；网络首发日期：２０２３ － ０３ － ３１
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３０３３１．１５１９．００１．ｈｔｍｌ
基金项目：国家自然科学基金项目（Ｕ２２４３２２３，５１７３９００３）
作者简介：王瑞婕（ １９９８ － ），硕士生，主要从事水工结构安全监控研究。Ｅ － ｍａｉｌ：ｗａｎｇｒｊ＠ｈｈｕ．ｅｄｕ．ｃｎ
通讯作者：包腾飞（１９７４ － ），博士，教授，主要从事水工结构及岩土工程的安全监控、光纤传感器在结构健康监测中的应用研究。
Ｅ － ｍａｉｌ：ｂａｏｔｆ＠ｈｈｕ．ｅｄｕ．ｃｎ

— ４ ９ ７ —