基于TSNE-NGO-RF算法的混凝土坝变形预测模型OA

对混凝土坝变形监测资料进行合理的数据分析和准确的预测是确保大坝安全长效运行的关键手段,针对影响大坝变形的环境量具有周期性和非线性的特点,以及传统随机森林模型参数寻优方法适用性差和计算效率低等问题,提出了一种新型的大坝变形预测模型。该模型采用t-分布式随机邻域嵌入对特征值进行降维,提高模型的分类性能,并运用北方苍鹰优化算法对传统随机森林模型进行了改进,提高了随机森林模型参数的择优选取效率。运用北方苍鹰优化算法在第80次迭代时即可确定随机森林模型的参数,且适应度函数为0.2493,相较麻雀搜索算法和粒子群优化算法取得了较好的结果。选取某混凝土坝第18^(#)坝段和第26^(#)坝段进行实例分析,结果表明:所提融合模型预测结果的平均绝对误差分别为0.50193和0.17302 mm,均方误差分别为0.35971和0.04387 mm^(2),平均绝对百分比误差分别为0.81959%,0.11362%,决定系数分别为0.91456和0.89274,相较于其他模型,该模型在预测准确性和模型稳定性方面表现最优,为混凝土坝变形的精准预测开辟了新的可能性。