Page 129 - 2023年第54卷第4期

建立多算法集成学习预测模型，充分发挥不同回归算法的优势，提升模型预测性能；（３）将多因子融
合作为输入变量，解决算法集成下因子、算法不匹配造成的性能下降问题，进一步提升整体预测精度
与稳定性。所提出的大坝变形组合预测模型能够充分发挥各因子及算法的优势，具有较强的信息挖掘
与变形预测能力，适用于监测数据较为完整、数据量较大的坝段变形预报。此外，目前该模型主要研
究了三种经典变形解释因子的融合情况，未考虑其他解释因子模型或解释因子模型数据不足的情况，
这将是下一步研究改进的重点。

参 考 文 献：

［ １］ ＪＩＡＪ．Ａｔｅｃｈｎｉｃａｌｒｅｖｉｅｗｏｆｈｙｄｒｏ － ｐｒｏｊｅｃｔｄｅｖｅｌｏｐｍｅｎｔｉｎＣｈｉｎａ［Ｊ］．Ｅｎｇｉｎｅｅｒｉｎｇ，２０１６，２（３）：３０２ － ３１２．
［ ２］ 顾冲时，苏怀智，刘何稚．大坝服役风险分析与管理研究述评［Ｊ］．水利学报，２０１８，４９（１）：２６ － ３５．
［ ３］ 吴中如．水工建筑物安全监控理论及其应用［Ｍ］．北京：高等教育出版社，２００３．
［ ４］ 李明超，任秋兵，沈扬．贝叶斯框架下的大坝变形交互式时变预测模型及其验证 ［Ｊ］．水利学 报，２０１８，
４９（１１）：１３２８ － １３３８．
［ ５］ 李明超，任秋兵，孔锐，等．多维复杂关联因素下的大坝变形动态建模与预测分析［Ｊ］．水利学报，２０１９，
５０（６）：６８７ － ６９８．
［ ６］ Ｌ?ＧＥＲＰ，ＬＥＣＬＥＲＣＭ．Ｈｙｄｒｏｓｔａｔｉｃ，ｔｅｍｐｅｒａｔｕｒｅ，ｔｉｍｅ － ｄｉｓｐｌａｃｅｍｅｎｔｍｏｄｅｌｆｏｒｃｏｎｃｒｅｔｅｄａｍｓ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
ＥｎｇｉｎｅｅｒｉｎｇＭｅｃｈａｎｉｃｓ，２００７，１３３（３）：２６７ － ２７７．
［ ７］ ＭＡＴＡＪ，ＴＡＶＡＲＥＳＤＥＣＡＳＴＲＯＡ，Ｓ?ＤＡＣＯＳＴＡＪ．Ｃｏｎｓｔｒｕｃｔｉｎｇｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌｓｆｏｒａｒｃｈｄａｍ ｄｅｆｏｒｍａｔｉｏｎ
［Ｊ］．ＳｔｒｕｃｔｕｒａｌＣｏｎｔｒｏｌａｎｄＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，２０１４，２１（３）：４２３ － ４３７．
［ ８］ 袁冬阳，顾冲时，顾昊．严寒地区混凝土重力坝变形行为分析与预测模型［Ｊ］．水利学报，２０２２，５３（６）：
７３３ － ７４６．
［ ９］ ＷＩＬＬＭ Ｇ，ＢＥＡＵＪＯＩＮＴＮ．Ｌｅｓｍéｔｈｏｄｅｓｄｅｓｕｒｖｅｉｌｌａｎｃｅｄｅｓｂａｒｒａｇｅｓａｕｓｅｒｖｉｃｅｄｅｌａｐｒｏｄｕｃｔｉｏｎｈｙｄｒａｕｌｉｑｕｅ
ｄ’ＥｌｅｃｔｒｉｃｉｔéｄｅＦｒａｎｃｅ［Ｃ］??ＰｒｏｂｌèｍｅｓＡｎｃｉｅｎｓＥｔＳｏｌｕｔｉｏｎｓＮｏｕｖｅｌｌｅｓ．１９６７．
［１０］ ＧＡＭＳＥＳ，ＯＢＥＲＧＵＧＧＥＮＢＥＲＧＥＲＭ．Ａｓｓｅｓｓｍｅｎｔｏｆｌｏｎｇ － ｔｅｒｍｃｏｏｒｄｉｎａｔｅｔｉｍｅｓｅｒｉｅｓｕｓｉｎｇｈｙｄｒｏｓｔａｔｉｃ － ｓｅａｓｏｎ －
ｔｉｍｅｍｏｄｅｌｆｏｒｒｏｃｋ － ｆｉｌｌｅｍｂａｎｋｍｅｎｔｄａｍ［Ｊ］．ＳｔｒｕｃｔｕｒａｌＣｏｎｔｒｏｌａｎｄＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，２０１７，２４（１）：ｅ１８５９．
［１１］ 苏怀智，温志萍，吴中如，等．大坝安全性态的非线性组合监控［Ｊ］．水利学报，２００５，３６（２）：１９７ － ２０２．
［１２］ ＫＡＮＧＦ，ＬＩＪ，ＺＨＡＯＳ，ｅｔａｌ．Ｓｔｒｕｃｔｕｒａｌｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇｏｆｃｏｎｃｒｅｔｅｄａｍｓｕｓｉｎｇｌｏｎｇ － ｔｅｒｍａｉｒｔｅｍｐｅｒａｔｕｒｅｆｏｒ
ｔｈｅｒｍａｌｅｆｆｅｃｔｓｉｍｕｌａｔｉｏｎ ［Ｊ］．ＥｎｇｉｎｅｅｒｉｎｇＳｔｒｕｃｔｕｒｅｓ，２０１９，１８０：６４２ － ６５３．
［１３］ 黄耀英，何一洋，沈振中，等．大坝监测量最佳统计模型优选方法［Ｊ］．水利学报，２０２２，５３（２）：１５４ － １６４．
［１４］ 任秋兵，沈扬，李明超，等．水工建筑物安全监控深度分析模型及其优化研究［Ｊ］．水利学报，２０２１，５２
（１）：７１ － ８０．
［１５］ 房彬，苏怀智，蔡德文，等．基于串联灰色多元回归模型的大坝蓄水期变形性态分析［Ｊ］．水电能源科学，
２０１３，３１（８）：１０６ － １０８．
［１６］ 张石，郑东健，陈卓研．基于改进 ＰＳＯ － ＲＦ算法的大坝变形预测模型［Ｊ］．水利水电科技进展，２０２２，４２
（６）：３９ － ４４．
［１７］ 魏博文，柳波，徐富刚，等．融合 ＰＳＯ － ＳＶＭ的混凝土拱坝多测点变形监控混合模型［Ｊ?ＯＬ］．武汉大学学
报（信息科学版）：１ － １４［２０２２ － １２ － ０４］．ｈｔｔｐ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?４２．１６７６．ＴＮ．２０２１１０２８．１２３８．０１０．ｈｔｍｌ．
［１８］ 杨晨蕾，包腾飞．基于 ＦＣＭ－ ＸＧＢｏｏｓｔ的大坝变形预测模型［Ｊ］．长江科学院院报，２０２１，３８（８）：６６ － ７１．
［１９］ 胡雨菡，包腾飞，朱征，等．基于 ＩＡＢＣ － ＦＣＭ－ ＲＶＭ 算法的拱坝变形预测模型 ［Ｊ］．武汉大 学 学 报 （工 学
版），２０２０，５３（１２）：１０５５ － １０６４．
［２０］ ＣＡＯＥ，ＢＡＯＴ，ＧＵ Ｃ，ｅｔａｌ．Ａ ｎｏｖｅｌｈｙｂｒｉｄｄｅｃｏｍｐｏｓｉｔｉｏｎ—ｅｎｓｅｍｂｌｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｄａｍ ｄｅｆｏｒｍａｔｉｏｎ
［Ｊ］．ＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，２０２０，１０（１６）：５７００．
［２１］ ＷＯＬＰＥＲＴＤＨ．Ｓｔａｃｋｅｄｇｅｎｅｒａｌｉｚａｔｉｏｎ［Ｊ］．ＮｅｕｒａｌＮｅｔｗｏｒｋｓ，１９９２，５（２）：２４１ － ２５９．
［２２］ 秦胜伍，张延庆，张领帅，等．基于 Ｓｔａｃｋｉｎｇ模型融合的深基坑地面沉降预测［Ｊ］．吉林大学学报（地球科
学版），２０２１，５１（５）：１３１６ － １３２３．
［２３］ ＬＥＩＷ， ＷＡＮＧ Ｊ．ＤｙｎａｍｉｃＳｔａｃｋｉｎｇｅｎｓｅｍｂｌｅｍｏｎｉｔｏｒｉｎｇｍｏｄｅｌｏｆｄａｍ ｄｉｓｐｌａｃｅｍｅｎｔｂａｓｅｄ ｏｎ ｔｈｅｆｅａｔｕｒｅ

— ５ ０ ５ —