基于QGA-GBRT模型的帷幕灌浆注浆量预测OA

为解决帷幕灌浆工程的强隐蔽性带来的注浆量难以预测问题,以大藤峡水利枢纽工程库区铅锌矿帷幕灌浆工程为例,建立科学的注浆量预测模型。利用1011个试段创建了10110个样本点的数据库,以钻孔孔深、段长、灌前透水率、开始水灰比、结束水灰比、开始注入率、结束注入率、岩石RQD(Rock Quality Designation)及灌浆压力作为特征类型,按7∶3的比例划分了训练集和测试集。引入GBRT(Gradient Boosting Regression Tree)模型,旨在实现注浆量的预测,并采用QGA(Quantum Genetic Algorithm)算法进行超参数优化,以提升其稳定性、准确性和泛化水平,同时对比了随机森林及传统GBRT模型的预测水平,并以某电站右岸帷幕灌浆工程为应用对象,进行了同模型同设置下的泛化能力评估,结果表明,测试试验过程中QGA-GBRT模型性能最优,测试集R²为0.97,RMSE为132.67 L,特征重要性分析表明灌前透水率是影响注浆量的关键因素,需重点加强灌前压水质量管控,泛化能力评估环节,测试集R²为0.98,RMSE为52.49 L,充分表明了模型精度高,适用条件广泛,研究方法可为其他同类工程提供参考。