基于数据驱动与可解释性分析的堤防管涌灾害预测模型OA
【目的】探析兼顾预测精度与可解释性的堤防管涌灾害预测方法,破解传统识别方法精度与效率偏低、常规机器学习模型可解释性缺失的黑箱问题,为堤防管涌风险预警与防灾管控提供理论借鉴。【方法】依托长江阳新堤段管涌实测数据集,基于数据驱动的机器学习算法,构建堤防管涌多层次可解释预测模型。对比3种单一学习模型(反向传播神经网络、多层感知机、支持向量机)与4种集成学习模型(随机森林、梯度提升决策树、极限梯度提升树、CatBoost)的预测效果,筛选最优预测模型;结合极限梯度提升树(XGBoost)与Shapley加性解释开展多层次可解释性分析,识别管涌关键影响因子,揭示各因子对管涌灾害的作用机制。【结果】(1)集成学习模型的预测精度优于单一学习模型的,其中极限梯度提升树测试集的拟合优度(R^(2))为0.9617,均方根误差(RMSE)为0.0970,预测精度最高,且鲁棒性好;(2)弱透水层上覆土层厚度H、孔隙比e和水位高度差Δh为管涌灾害的主要影响因子;(3)依据个体条件期望曲线,管涌灾害的3个主要影响因子触发管涌的临界值分别为7.5 m、0.84、4.2 m。【结论】构建的数据驱动模型可以高精度预测堤防管涌,多层次可解释性分析明确了关键致灾因子及其触发管涌的临界值。该研究成果为堤防管涌灾害超前预警、风险研判提供理论支撑与科学依据。
张茜;张超;夏洋洋;王翠霞;方宏远
郑州大学水利与交通学院/黄河实验室(郑州大学)/地下工程研究院,河南郑州450001 重大基础设施检测修复技术国家地方联合工程实验室,河南郑州450001 地下工程灾变防控省部共建协同创新中心,河南郑州450001郑州大学水利与交通学院/黄河实验室(郑州大学)/地下工程研究院,河南郑州450001 重大基础设施检测修复技术国家地方联合工程实验室,河南郑州450001 地下工程灾变防控省部共建协同创新中心,河南郑州450001 黄河实验室(河南),河南郑州450001郑州大学水利与交通学院/黄河实验室(郑州大学)/地下工程研究院,河南郑州450001 重大基础设施检测修复技术国家地方联合工程实验室,河南郑州450001 地下工程灾变防控省部共建协同创新中心,河南郑州450001郑州大学水利与交通学院/黄河实验室(郑州大学)/地下工程研究院,河南郑州450001 重大基础设施检测修复技术国家地方联合工程实验室,河南郑州450001 地下工程灾变防控省部共建协同创新中心,河南郑州450001 黄河实验室(河南),河南郑州450001郑州大学水利与交通学院/黄河实验室(郑州大学)/地下工程研究院,河南郑州450001 重大基础设施检测修复技术国家地方联合工程实验室,河南郑州450001 地下工程灾变防控省部共建协同创新中心,河南郑州450001 黄河实验室(河南),河南郑州450001
建筑与水利
堤防管涌数据驱动机器学习单一学习模型集成学习模型多层次可解释性分析
《华北水利水电大学学报(自然科学版)》 2026 (4)
P.10-19,10
国家自然科学基金项目(U2568213)河南省自然科学基金项目(262300421398,242300421001)安徽省自然科学基金水科学联合基金项目(2308085US15)河南省重点研发计划项目(241111322700)中原基础研究领军人才计划项目(22ZYLJ005)河南省科技攻关计划重点项目联合基金项目(235200810014)。
评论