基于特征筛选和自适应优化的大坝变形预测模型OA

利用监测数据对大坝变形进行高精度的分析与预测是及时掌握大坝服役状态的重要手段。传统分析预测模型易受到冗余信息影响而难以有效反映大坝变形特征,引入交叉验证的递归特征选择法移除冗余特征,选取最优因子集合从而增强可解释性;利用混沌映射、非线性收敛因子等方法对传统灰狼算法进行多策略改进以期提高全局搜索能力,避免陷入局部最优;采用改进的灰狼算法对梯度提升树的6个参数的最优组合进行全局搜索,避免人为主观因素的影响,以期提高模型预测精度与稳定性。以某工程为例,结果表明该模型所得RMSE为0.2875,MAE为0.2433,R^(2)为0.9921,与各对照模型相比,评价指标均为最优。模型确定了最优因子集合,有效避免了冗余特征的不利影响;借助优化算法的改进与融合,模型有效捕捉了大坝真实变形特征,性能较好,精度较高。