Page 86 - 2022年第53卷第2期

未考虑覆膜以及揭膜工序，于第四年 1 月 25 日晚 23 时完工，与实际施工相差较大；高寒仓面施工仿
真基于温度预测结果，考虑了覆膜以及揭膜工序，设置了低温停工条件，仿真结果于第四年 1 月 26
日 23 时完工，仿真结果与实际情况更为符合。
3.4 对比和讨论分析

3.4.1 气温预测方法对比 为了验证 PSOMLP 气温预测方法的有效性和优越性，将所提出的 PSOMLP
方法与常用的气温预测方法自回移动平均模型（ARIMA）、支持向量机（SVM）、多层感知机（MLP）、
长短时记忆网络（LSTM）基准模型进行比较。ARIMA 模型首先经过 ADF 检验确定序列平稳，然后使用
BIC（Bayesian Information Criterion）准则来确定模型阶数 p、q 的最佳值（0，0，1）。其次，对设置各模
-4
型的参数如下，SVM 选用 RBF 核函数，惩罚参数设置为 c=1；对于 MLP，惩罚参数设置为 10 ，采用
三层结构，隐层神经元个数设置为 8，使用小批量梯度下降法来优化连接权值；对于 LSTM 模型，
Dropout Rate 设置为 0.2，同样采用 Adam 优化器对模型进行训练，设定 seed=7 以避免随机性带来的影
响。在以上时间序列预测模型中，由于预测窗口长度为 12 h，仿真需要时间序列长度为 36 h，在预测
过程中采用滑动预测的方法将窗口向右平移三次。

图 10 不同模型预测误差指标结果对比
采 用 三 个 性 能 指 标 - 均 方 误 差（RMSE）、 平 均 绝 对 误 差（MAE）与 对 称 平 均 绝 对 百 分 比 误 差
（SMAPE）来评价各方法的预测结果。由图 10 可知，PSOMLP 气温预测方法的均方根误差（RMSE）为
1.16、平均绝对误差（MAE）为 0.84、对称平均绝对百分比误差（SMAPE）为 0.27，均低于其他几种气温
预测方法，证明了所提方法的优越性。
3.4.2 仿真结果讨论 仓面仿真结果的准确性除了可以体现在施工时长上，还体现在工序与实际的
一致性中。仿真工序与实际工序一致，可以更好地辅助施工组织和方案优化。所以在表 2 中进一步统
计了 3.3 节所述传统仿真与所提出的仿真方法的三个仓面停工时长、揭膜工序时长、覆膜工序时长以
及工序不一致比例。工序不一致比例定义为在仿真总时段内，仿真工序与实际施工工序不同的时长
占比。可以看出根据 PSOMLP 寒区气温时序预测得到的停工时长准确度有了大幅度提高，停工时长
的准确量化和揭膜、覆膜工序的考虑能够较好地减少工序不一致比例，提高仓面施工仿真模型的准
确性。

表 2 仿真工序一致性比较 （单位：h）
方案 总工期 停工时长 揭膜工序时长 覆膜工序时长 工序不一致比例
实际施工 70 29 9 11
传统仿真 47 12 0 0 48.9%
寒区仿真 71 26 9 8 16.3%

3.4.3 模型应用 根据以往高寒高坝施工经验，高寒地区堆石坝冬季填筑施工根据存在施工效率
低、防控保温措施被动等难题。所提出的考虑高寒低温影响的高心墙堆石坝仓面施工仿真模型由于
可以有效预测高寒气温变化规律，为合理安排人力物力和提高保温措施的主动性提供了新的思路和
手段。为了说明本文所提方法的有效性，以第四年第 3 周堆石坝仓面填筑施工为例，基于施工经验和

— 208 —