Page 66 - 2023年第54卷第10期

模型输出有正向作用；而当  ＜０时，说明该特 征降 低 了预 测值，对 模 型 输出 起 反 向作 用。可见，
ｘ ｉ，ｊ
ＳＨＡＰ算法的作用，是与各个特征的贡献值共同将模型的预测结果从基线值推演到最终的模型预测值。

５ 案例研究

以我国西南某土石坝工程为研究对象，该土石坝工程为黏土心墙堆石坝，坝基河床覆盖层深厚，
根据其物质组成、结构特征、成因和分布情况等可自下而上分为 ４大层 ７个亚层，即①漂（块）卵（碎）
砾石层、② － １漂（块）卵（碎）砾石层（图 ３中未切到② － １层）、② － ２碎（卵）砾石土层、② － ３粉细砂及
粉土层、③ － １含漂（块）卵（碎）砾石土层、③ － ２砾石砂层和④漂卵砾石层。所选工程的典型剖面地质
图如图 ３所示，由于③ － ２层分布范围较小，故将其与③ － １层合并为一层（以③层表示）进行研究。

图 ３ 典型剖面地质图
采用基于 ＢＬＳＯＧＩ的多地质体自动建模方法，建立该土石坝工程的坝基地质模型。由于大坝桩号
０ ＋ ８０—桩号 ０ ＋ ２５１附 近 的 区 域 为 重 点 关 注 区 域，故 选 取 该 区 域 作 为 渗 流 分 析 的 计 算 区 域，如 图 ４
所示。

图 ４ 研究区域地质模型图

在本案例研究中，将坝基防渗帷幕（即图 ３中的混凝土防渗墙、覆盖层帷幕灌浆和基岩帷幕灌浆）
的最大水力梯度作为计算分析的渗流性态指标，将上游水位 Ｈｕ、下游水位 Ｈｄ以及坝基覆盖层①层、
②－ １ 层、② － ２ 层、② － ３ 层、③层、④层的渗透系数（分别表示为 Ｋ１、Ｋ２、Ｋ３、Ｋ４、Ｋ５、Ｋ６）作为坝
基防渗帷幕最大水力梯度的影响变量。
５．１ ＩＡＯ－ ＸＧＢｏｏｓｔ集成学习模型建立与结果分析 通过对该工程自 ２０１３年 ５月 １日到 ２０２１年 １２月
２５日的上下游水位监测数据进行统计分析，设置上下游水位的取值范围。将坝基和坝体各区域设置为
各向同性的均质多孔介质，其中坝基各覆盖层渗透系数的取值范围如表 １所示，坝体各区域及坝基其
余地层的渗透系数则根据现场勘探数据和室内试验数据设置。
根据表 １所示的上下游水位和坝基各覆盖层渗透系数的取值范围，采用最优拉丁超立方抽样方法
抽取 ２００组样本点，并将各样本点逐个输入到渗流数值模型中进行模拟计算，从而获得对应的坝基防
— １ ２ ２ —
０