Page 123 - 2025年第56卷第1期

一、 精度不足的问题， 能够全面考虑多参数输入， 提高评价精度。 如王瑞等 ［８］ 建立基于反向传播神经
网络预测模型； 刘东海等 ［９］ 对碾压参数进行了多元线性回归（Ｍｕｌｔｉｐｌｅ Ｌｉｎｅａｒ Ｒｅｇｒｅｓｓｉｏｎ， ＭＬＲ） 分析，
并采用 ｋｒｉｇｉｎｇ 插值法进行全仓面估计。 Ｌｖ 等 ［１０］ 、 ＷＡＮＧ 等 ［１１］ 和崔博等 ［１２］ 分别采用神经网络和改进
混沌萤火虫优化支持向量回归和双向极限学习机算法， 构建碾压质量动态评价模型， 上述研究表明，
耦合数据挖掘算法和优化算法建立的混合算法能够显著提高碾压质量评价模型的性能。
现有研究 ［４，１１－１３］ 采用智能算法构建碾压质量指标和影响参数之间的回归评价模型， 有效实现对全
仓面碾压质量的评价。 在工程领域， Ｌｖ 等 ［１０］ 考虑碾压质量评价因素存在的不确定性， 基于预测结果
的随机性来判断预测结果是否可靠。 鄢玉玲等 ［１４］ 分析了有限随机试坑试验获取的混凝土特性参数存在
的模糊、 随机、 灰色和未确知性。 此外， Ｒｏｓｓｉｔ 等 ［１５］ 和王倩 ［１６］ 分别阐述了环境参数、 人为因素和现场

［１７］ 对比研究验证了考虑两个指标预测干密度能够降低单
施工等存在的不确定性影响。 ＡＬＳＨＡＭＥＲＩ Ｂ
个指标存在的不确定性影响。 通过在碾轮上安装加速度传感器实时获取 ＣＶ 值， 能够实时监测全仓面
碾压质量， 是对碾压质量评价模型预测结果未确知情况的补充， 然而 ＣＶ 值与坝料碾压质量（密度、 压
实度或孔隙率）之间的关系存在相当大的误差 ［１８］ ， 具有不确定性。 这些研究表明， 采用有限随机试坑
试验数据评价全仓面碾压质量会导致碾压质量评价中的料源参数以及单一指标的评价结果存在不确

定性。
综上所述， 相关研究成果表明采用有限随机试坑试验数据集评价全仓面碾压质量， 导致碾压质量
影响参数及其评价结果存在随机、 模糊、 灰色和未确知性等不确定性。 而且， 目前土石坝碾压质量评
价模型的精度、 泛化能力和鲁棒性还有待提升； 同时碾压质量评价主要基于干密度、 压实度或 ＣＶ 值
等单一评价指标， 存在片面性， 且未考虑碾压质量预测结果存在的不确定性。 证据理论是一种处理多
种不确定性信息的数学方法， 能够有效融合存在不确定性的数据 ［１８］ 。 因此， 本文考虑影响参数和模型
预测结果的不确定性， 以高精度、 高泛化能力和高鲁棒性的智能算法为基础， 结合证据理论等不确定
性处理方法， 建立综合评价模型， 以提高土石坝坝面碾压质量评价的准确性和可靠性。

２ 碾压质量评价研究框架

２．１ 碾压质量评价过程不确定性分析 由于采用有限随机试坑试验数据评价全仓面碾压质量， 使得碾
压质量评价过程是随机、 模糊、 灰色以及未确知性等多种不确定性问题共存的复杂过程： （１）料源参
数是通过随机选择采样点进行试坑试验获取的， 其数据存在随机性， 会影响碾压质量评价结果。 （２）
碾压质量评价受限于现场试坑试验耗费人力物力且耗时较长， 导致样本数量有限， 存在部分已知部分
未知、 “小样本” “贫信息” 等灰色特征。 因此， 碾压质量评价过程中存在灰色性。 （３）碾压参数、 料
源参数以及气象参数等对碾压质量的影响机理不明确， 难以使用确定公式表达； 同时由于驾驶员的操
作水平存在差异会导致碾压质量发生随机波动， 碾压质量是否合格存在不清晰、 不明确现象， 存在模
糊性 ［１８］ 。 （４）采用有限随机试坑试验获取样本数据分析计算得到料源参数概率分布函数， 从而推测参
数值在各个区间分布情况， 无法确定是否有未知情况发生， 导致碾压质量评价存在未确知性 ［１０，１８］ 。
２．２ 土石坝坝面碾压质量评价方法研究框架 本文主要针对高土石坝坝面碾压质量评价问题开展研
究。 目前的土石坝坝面碾压质量评价模型未考虑采用有限随机试坑试验数据评价全仓面碾压质量时导

致的随机、 模糊、 灰色和未确知性。 针对上述不足， 采用适用于小样本数据量的随机森林（Ｒａｎｄｏｍ
Ｆｏｒｅｓｔ， ＲＦ）算法构建出自适应混沌灰狼优化随机森林（Ａｄａｐｔｉｖｅ Ｃｈａｏｓ Ｇｒｅｙ Ｗｏｌｆ Ｏｐｔｉｍｉｚａｔｉｏｎ ＲＦ， ＡＣＧ⁃
ＷＯ－ＲＦ）算法； 并结合加速度传感器数据获得的 ＣＶ 值， 运用证据理论方法综合评价碾压质量， 通过
多级反馈控制机制进行现场控制。 其研究框架如图 １ 所示， 包括数据采集层、 方法层以及工程应

用层。
数据采集层， 采用土石坝碾压监控系统、 气象站、 有限随机试坑试验以及加速度传感器， 分别获
取影响碾压参数、 气象参数、 料源参数以及物理特性参数等多源数据， 构建出坝面碾压质量评价的参
数集。 在方法层， 本研究将灰狼优化算法和随机森林算法相耦合， 同时结合自适应因子和混沌理论，

— １ １ ８ —