Page 124 - 2023年第54卷第4期

图 ２ 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 ５
（４）５折交叉验证结束后得到测试集 Ｓ的预测值为 ｑ，ｑ，ｑ，ｑ，ｑ，取 ｑ＝ ∑ ｑ，若对应
ｔ
ｌｔ
３ｔ
１ｔ
５ｔ
４ｔ
２ｔ
５ ｌ ＝１
的变形实测值为 ｙ，则基学习器 ｈ通过交叉验证得到的元学习器测试数据 Ｓ′ ＝ （ｑ，ｙ）；通过对 ３个基
ｔ ｔ ｔ ｔ ｔ
学习器进行训练与预测，得到元学习器训练数据 Ｄ′ ＝ （Ｄ′，Ｄ′，Ｄ′）与测试数据 Ｓ′ ＝ （Ｓ′，Ｓ′，Ｓ′），根
２
１
３
３
１
２
据训练数据 Ｄ′对元学习器进行训练，并对测试数据 Ｓ′进行预测，得到最终预测结果。
４ 工程应用
基于上述方法，以某混凝土双曲拱坝变形监测数据为例，建立大坝变形组合预测模型，并通过多
模型对比实验验证该模型的有效性和准确性。该拱坝坝顶高程 １２０５．０ｍ，最大坝高为 ２４０．０ｍ，由 ３９
个坝段组成。坝体布置了 ８条倒垂线和 １０条正垂线监测各部位水平位移，同时布置多支温度计监测
＃
＃
＃
大坝温度变化，图 ３展示了大坝 １１坝段、２１坝段和 ３３坝段的温度计布置。

图 ３ 大坝典型坝段温度计布置
— ５ ０ —
０