Page 15 - 2023年第54卷第10期

水 利 学 报

２０２３年 １０月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 １０期

文章编号：０５５９ － ９３５０（２０２３）１０ － １１５１ － １２

迁移学习框架下高心墙堆石坝施工仿真参数

ＩＧＯＡ － ＭＬＰ动态预测模型

１
２
１
１
吕 菲 ，钟登华 ，余 佳 ，张 君 ，张雨诺 １
（１．天津大学 水利工程仿真与安全国家重点实验室，天津 ３０００７２；２．中国农业大学 水利与土木工程学院，北京 １０００８３）
摘要：施工仿真参数是影响高心墙堆石坝仿真结果准确性的关键。现有方法基于历史数据来预测未来填筑层的仿
真参数，忽略了不同层之间的施工差异；同时，在新一层开始时往往存在数据不足或缺失的问题；此外，施工参
数受到气象条件、机械运行状态等多因素影响而动态变化。本文利用迁移学习解决了上述问题，该方法具有通过
知识迁移解决少样本建模问题的优势，同时考虑气象条件、机械运行状态等多种因素的定量影响，提出迁移学习
框架下的高心墙堆石坝施工仿真参数改进蝗虫算法优化的多层感知机动态预测模型。首先，建立综合考虑多因素
影响的施工仿真参数 ＩＧＯＡ － ＭＬＰ预测模型；其中，采用非线性缩减因子和柯西 － 高斯混合变异模式改进蝗虫优化
算法（ＩＧＯＡ），并利用 ＩＧＯＡ高效全局最优搜索能力来优化多层感知机（ＭＬＰ）的超参数。其次，引入迁移学习策
略，将训练集划分为源域和目标域，并在 ＭＬＰ隐藏层中增加自适应层以表征源域数据与目标域数据的差异性，
实现历史工况和新工况间的知识迁移，从而解决新工况下缺少数据的问题。工程实例表明，相比于传统 ＭＬＰ模
型以及未使用迁移学习的 ＩＧＯＡ － ＭＬＰ模型，本文所提方法的平均绝对百分比误差 （ＭＡＰＥ）分别降低了 ５４．６８％、
４０．５７％，证明了本文所提模型能够更准确地预测仿真参数，为仿真计算提供可靠的数据基础。
关键词：迁移学习；高心墙堆石坝；施工仿真；改进蝗虫算法优化多层感知机；参数预测
中图分类号：ＴＶ５２ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０１３１
文献标识码：Ａ

１ 研究背景

施工仿真技术被认为是描述和分析高心墙堆石坝复杂施工过程、预测施工进度和优化施工方案的
有效工具 ［１］ 。仿真模型的重要组成部分———仿真参数，在推进仿真时钟过程中被反复调用，是保证仿
真结果准确性的关键 ［２ － ３］ 。现有研究多基于历史数据，采用非参数建模方法或机器学习方法预测仿真
参数 ［２ － ４］ ，然而，高心墙堆石坝填筑过程中，层与层之间的施工存在差异，历史填筑层的施工情况难
以完全代表新一层的情况；同时，在新一层（新工况）刚开始时又往往存在数据不足或缺失的问题，无
法为基于机器学习方法的智能预测模型提供充足的训练数据。此外，施工过程中受到气象条件、机械
运行状态等诸多因素的影响，仿真参数呈动态变化。因此，有必要充分利用未来工况与历史工况间的
数据或模型的相似性，并同时考虑包括降雨、气温、设备型号等多种因素的动态影响，研究仿真参数
动态预测方法，为仿真模型提供更准确的输入。
在传统的高心墙堆石坝施工仿真模型中，仿真参数多是根据类似工程经验选取或根据监控数据拟
合成某种分布并在仿真中随机抽样 ［５ － ７］ ，难以动态及时地反映仿真参数的变化，对仿真结果的准确性
造成了一定影响 ［２］ 。后来，有学者采用贝叶斯更新方法进行参数更新 ［８ － ９］ ，但仍需假设仿真参数服从

收稿日期：２０２３ － ０３ － ０７；网络首发日期：２０２３ － ０９ － １３
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３０９１２．１３３４．００２．ｈｔｍｌ
基金项目：国家自然科学基金雅砻江联合基金项目（Ｕ１９６５２０７）
作者简介：吕菲（ １９９３ － ），博士生，主要从事堆石坝施工仿真研究。Ｅ － ｍａｉｌ：ｌｖｆｅｉ＠ｔｊｕ．ｅｄｕ．ｃｎ
通信作者：余佳（１９９２ － ），助理研究员，主要从事水利水电工程智能仿真与风险分析研究。Ｅ － ｍａｉｌ：ｙｕｊｉａ＠ｔｊｕ．ｅｄｕ．ｃｎ
１
— １ ５ １ —