Page 17 - 2023年第54卷第10期

运行状态等因素的 ＩＧＯＡ － ＭＬＰ预测模型；其中利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），并采用 ＩＧＯＡ对 ＭＬＰ的超参数进行自动寻优，提高模型的运算效率和预测精度；
其次，采用迁移学习构建源域和目标域，并在 ＭＬＰ模型的隐藏层中增加自适应层，从而实现不同填
筑高程间仿真参数的迁移。
（ ３）工程应用。将本研究提出的 ＴＬ － ＩＧＯＡ － ＭＬＰ模型应用于我国西南某土石坝工程的施工仿真参
数预测研究中，并将预测结果与传统 ＭＬＰ模型和不使用迁移学习的 ＩＧＯＡ － ＭＬＰ模型以及 ＳＶＲ、ＥＬＭ
等其他预测模型进行对比，验证了本文所提出方法的优越性和有效性。

图 １ 研究框架

３ 碾压施工仿真参数影响因素分析

碾压机是大坝填筑过程中仓面施工的主要机械，其运行效率对大坝施工进度有直接影响，因此本
研究以碾压施工效率这一仿真参数为例进行分析。碾压机速度一般要控制在 ２～３ｋｍ?ｈ之间，其施工
效率理论计算公式为：
Ｐ＝ （Ｗ － Ｏ） × Ｔ× Ｖ× Ｎ × ｆ （１）
ｒ
ｒ
ｒ
ｒ
ｒ
３
式中：Ｐ 为碾压效率，ｍ ?ｈ；Ｗ 为碾轮宽度，ｍ；Ｏ 为搭接宽度，ｍ；Ｔ 为碾压厚度，ｍ；Ｖ 为碾压
ｒ ｒ ｒ ｒ ｒ
机速度，ｍ?ｈ；Ｎ为碾压遍数，ｆ为时间利用系数。根据式（１），碾压机械效率理论上也应相对固定，
然而，在实际施工过程中，碾压机械受到管理安排，仓面施工状况，天气状态等多种因素的影响和干
扰，碾压机械施工效率会与式（ １）计算的理论值存在偏差。
首先基于智能碾压实时监控系统采集碾压机行进速度、碾压机型号、振动状态、所处坝块等信
息；其次通过坝区气象监测站同步采集气象信息，将碾压监控数据和气象数据合并，剔除缺失和异常
值。结合施工现场实际调研，工程师经验以及历史数据分析，最终确定了 １１种影响碾压机施工效率

１
— １ ５ ３ —