基于PCA-SSA-XGBoost算法的拱坝应力预测模型研究 |
| |
引用本文: | 崔博,安惠伦,陈文龙,王佳俊.基于PCA-SSA-XGBoost算法的拱坝应力预测模型研究[J].水力发电,2024(5):45-53. |
| |
作者姓名: | 崔博 安惠伦 陈文龙 王佳俊 |
| |
作者单位: | 天津大学水利工程仿真与安全国家重点实验室 |
| |
基金项目: | 国家重点研发计划(2018YFC0407101);;国家自然科学基金资助项目(51909187;51879186); |
| |
摘 要: | 由于大坝应力受水位、温度等众多因素共同作用,各影响因子间的相互关联会引起多重共线性问题,容易导致以此为输入的预测模型出现伪回归现象。此外,现有基于机器学习算法的应力预测模型由于训练特征过多、过度训练易产生过拟合现象,其预测精度还有待提高。针对上述问题,提出了基于主成分分析法(PCA)和麻雀搜索算法(SSA)改进的极限梯度提升算法(PCA-SSA-XGBoost)构建拱坝应力预测模型。该模型首先采用主成分分析法对参数进行降维,降低影响因子的多重共线性影响;进而通过SSA算法优化XGBoost的超参数,以避免传统算法过拟合,进一步提高模型预测性能。将该模型应用于我国西南某混凝土拱坝工程,对应力及应力相关监测数据进行处理、分析和预测,并与多元线性回归模型(MVLR)、神经网络模型(RBFNN)、极限梯度提升回归预测模型(XGBR)的预测结果进行对比分析。结果表明,基于PCA-SSA-XGBoost算法的应力预测模型可克服输入变量的多重共线性和过拟合问题,在预测精度方面具有优越性。
|
关 键 词: | 拱坝 应力预测 主成分分析 极限梯度提升 麻雀搜索 |
|