Page 130 - 2023年第54卷第4期

ｓｅｌｅｃｔｉｏｎｗｉｔｈＰＣＡ － ＲＦ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｉｖｉｌＳｔｒｕｃｔｕｒａｌＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，２０２２，１２（３）：５５７ － ５７８．
［２４］ 韩腾飞，李亚平．基于 Ｓｔａｃｋｉｎｇ集成学习的剩余使用寿命预测［Ｊ?ＯＬ］．计算机集成制造系统：１ － １８［２０２２ －
１２ － ０４］．ｈｔｔｐ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．５９４６．ＴＰ．２０２２０３１４．１２２４．０１６．ｈｔｍｌ．
［２５］ 王惠文，孟洁．多元线性回归的预测建模方法［Ｊ］．北京航空航天大学学报，２００７（４）：５００ － ５０４．
［２６］ 方匡南，吴见彬，朱建平，等．随机森林方法研究综述［Ｊ］．统计与信息论坛，２０１１，２６（３）：３２ － ３８．
［２７］ 丁世飞，齐丙娟，谭红艳．支持向量机理论与算法研究综述［Ｊ］．电子科技大学学报，２０１１，４０（１）：２ － １０．
［２８］ 刘波，张斌，喻佳，等．基于多元线性回归模型的大坝变形预报研究［Ｊ］．人民长江，２０１０，４１（２０）：５３ － ５５．
［２９］ 罗浩，郭盛勇，包为民．拱坝变形监测预报的随机森林模型及应用［Ｊ］．南水北调与水利科技，２０１６，１４
（６）：１１６ － １２１．
［３０］ 张志威，戴妙林，刘晓青，等．基于 ＧＡ － ＳＶＭ 的 碾 压 混 凝 土 重 力 坝 参 数 反 演 ［Ｊ］．人 民 黄 河，２０２０，４２
（６）：１１２ － １１６．
［３１］ ＪＯＮＥＳＢ，ＪＯＨＮＳＯＮＲＴ．ＤｅｓｉｇｎａｎｄａｎａｌｙｓｉｓｆｏｒｔｈｅＧａｕｓｓｉａｎｐｒｏｃｅｓｓｍｏｄｅｌ［Ｊ］．ＱｕａｌｉｔｙａｎｄＲｅｌｉａｂｉｌｉｔｙＥｎｇｉ
ｎｅｅｒｉｎｇＩｎｔｅｒｎａｔｉｏｎａｌ ，２００９，２５（５）：５１５ － ５２４．
［３２］ 刘紫亮，居翔，张 永 芳，等．基 于 改 进 随 机 搜 索 算 法 的 随 机 森 林 调 参 优 化 ［Ｊ］．网 络 安 全 技 术 与 应 用，
２０２２（４）：４９ － ５１．
［３３］ 李峰，舒斐，李明轩，等．基于深度学习的 Ｌｉｎｕｘ远控木马检测［Ｊ］．计算机工程，２０２０，４６（７）：１５９ － １６４．
［３４］ 贾俊平，何晓群，金勇进．统计学［Ｍ］．７版．北京：中国人民大学出版社，２０１８．

Ｃｏｍｂｉｎｅｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｄａｍ ｄｅｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｍｕｌｔｉ － ｆａｃｔｏｒｆｕｓｉｏｎ
ａｎｄＳｔａｃｋｉｎｇｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇ

１
１，２，３
１
１
１
ＷＡＮＧＲｕｉｊｉｅ，ＢＡＯＴｅｎｇｆｅｉ ，ＬＩＹａｎｇｔａｏ，ＳＯＮＧＢａｏｇａｎｇ，ＸＩＡＮＧＺｈｅｎｙａｎｇ
（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｐｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ；
２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒｏｌｏｇｙ － ＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ；
３．ＣｏｌｌｅｇｅｏｆＨｙｄｒａｕｌｉｃ＆ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＴｈｒｅｅＧｏｒｇｅｓＵｎｉｖｅｒｓｉｔｙ，Ｙｉｃｈａｎｇ ４４３００２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｄｅｆｏｒｍａｔｉｏｎｉｓｔｈｅｉｎｔｕｉｔｉｖｅｒｅｆｌｅｃｔｉｏｎｏｆｔｈｅｃｈａｎｇｅｏｆｄａｍｓ’ｏｐｅｒａｔｉｎｇｂｅｈａｖｉｏｒ．Ｉｔ’ｓｃｒｕｃｉａｌｔｏｂｕｉｌｄａ
ｄｅｆｏｒｍａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗｉｔｈｈｉｇｈｅｒｅｆｆｉｃｉｅｎｃｙａｎｄａｃｃｕｒａｃｙｆｏｒｄａｍ ｓｔｒｕｃｔｕｒａｌｓａｆｅｔｙｍｏｎｉｔｏｒｉｎｇ．Ｔｒａｄｉｔｉｏｎａｌ
ｓｉｎｇｌｅ － ｆａｃｔｏｒａｎｄｓｉｎｇｌｅ － ａｌｇｏｒｉｔｈｍｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｉｎｅｖｉｔａｂｌｙｈａｖｅｓｅｒｉｅｓｏｆｐｒｏｂｌｅｍｓｓｕｃｈａｓｉｎｓｕｆｆｉｃｉｅｎｔｇｅｎｅｒａｌｉ
ｚａｔｉｏｎａｂｉｌｉｔｙａｎｄｐｏｏｒｒｏｂｕｓｔｎｅｓｓ ，ｗｈｉｃｈｗｉｌｌｉｎｄｕｃｅｄｅｖｉａｔｉｏｎｓａｎｄｅｖｅｎｍｉｓｊｕｄｇｍｅｎｔｓ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，
ｔｈｉｓｐａｐｅｒｓｅｌｅｃｔｓｄｉｆｆｅｒｅｎｔｄｅｆｏｒｍａｔｉｏｎｉｎｔｅｒｐｒｅｔａｔｉｏｎｆａｃｔｏｒｓａｎｄｒｅｇｒｅｓｓｉｏｎａｌｇｏｒｉｔｈｍｓｔｏｂｕｉｌｄｍｕｌｔｉｐｌｅｓｉｎｇｌｅ － ｆａｃｔｏｒ
ｓｉｎｇｌｅ － ａｌｇｏｒｉｔｈｍｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ．Ｎｅｘｔ ，ｔｈｅｓｅｍｏｄｅｌｓａｒｅｉｎｔｅｇｒａｔｅｄｔｏｐｒｏｐｏｓｅａｃｏｍｂｉｎｅｄｄａｍｄｅｆｏｒｍａｔｉｏｎｐｒｅ
ｄｉｃｔｉｏｎｍｏｄｅｌｔｈｒｏｕｇｈＳｔａｃｋｉｎｇｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇ．Ｄｅｔａｉｌｅｄｌｙ ，ｔｈｉｓｃｏｍｂｉｎｅｄｍｏｄｅｌａｄｏｐｔｓＧａｕｓｓｉａｎＰｒｏｃｅｓｓＲｅ
ｇｒｅｓｓｉｏｎａｓｔｈｅｍｅｔａ － ｌｅａｒｎｅｒａｎｄｉｎｔｅｇｒａｔｅｓｔｈｅｓｉｎｇｌｅ － ｆａｃｔｏｒｓｉｎｇｌｅ － ａｌｇｏｒｉｔｈｍ ｍｏｄｅｌｓｆｒｏｍ ａｌｇｏｒｉｔｈｍ ａｎｄｆａｃｔｏｒ
ｔｈｅｓｅｔｗｏａｓｐｅｃｔｓ．Ｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｏｆｏｖｅｒｆｉｔｔｉｎｇ ，ｋ － ｆｏｌｄｃｒｏｓｓ － ｖａｌｉｄａｔｉｏｎｉｓａｌｓｏｉｎｔｒｏｄｕｃｅｄｉｎｇｅｎｅｒａｔｉｎｇｔｈｅｎｅｗ
ｄａｔａｓｅｔ．Ｒｅｆｅｒｒｉｎｇｔｏｔｈｅｄｅｆｏｒｍａｔｉｏｎｄａｔａｏｆａｃｏｎｃｒｅｔｅａｒｃｈｄａｍ ，ｔｈｅｍｏｄｅｌ’ｓａｃｃｕｒａｃｙａｎｄｅｆｆｅｃｔｉｖｅｎｅｓｓｈａｖｅ
ｂｅｅｎｅｖａｌｕａｔｅｄｂｙｍｕｌｔｉ － ｍｏｄｅｌｃｏｎｓｔｒｕｃｔｉｏｎａｎｄｐｅｒｆｏｒｍａｎｃｅｃｏｍｐａｒｉｓｏｎ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｉｎｇｌｅ － ｆａｃｔｏｒ
ｓｉｎｇｌｅ － ａｌｇｏｒｉｔｈｍｍｏｄｅｌｓａｒｅｃｈａｒａｃｔｅｒｉｚｅｄｂｙａｃｃｕｒａｃｙａｎｄｄｉｖｅｒｓｉｔｙ．Ｔｈｒｏｕｇｈｔｈｅｉｎｔｅｇｒａｔｉｏｎｏｆａｌｇｏｒｉｔｈｍｓａｎｄｆａｃ
ｔｏｒｓ ，ｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓｈａｖｅｂｅｅｎｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄ，ａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｃａｐａｂｉｌｉｔｙｏｆｔｈｅ
ｍｏｄｅｌｓｈａｓｂｅｅｎｅｆｆｅｃｔｉｖｅｌｙｅｎｈａｎｃｅｄｄｕｒｉｎｇｔｈｅｗａｔｅｒ － ｆｌｕｃｔｕａｔｉｎｇｐｅｒｉｏｄ．Ａｂｏｖｅａｌｌ，ｔｈｅｃｏｍｂｉｎｅｄｄａｍｄｅｆｏｒｍａ
ｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｈａｓｅｘｃｅｌｌｅｎｔｎｏｎｌｉｎｅａｒｉｎｆｏｒｍａｔｉｏｎｍｉｎｉｎｇａｂｉｌｉｔｙａｎｄｐｒｅｄｉｃｔｉｖｅｐｅｒｆｏｒｍａｎｃｅ ，ａｎｄｃｏｕｌｄｐｒｏ
ｖｉｄｅａｒｅｌｉａｂｌｅｂａｓｉｓｆｏｒｄａｍｓａｆｅｔｙｍｏｎｉｔｏｒｉｎｇ．
Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉ － ｆａｃｔｏｒｆｕｓｉｏｎ；ｄａｍｓａｆｅｔｙｍｏｎｉｔｏｒｉｎｇ；ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ；Ｓｔａｃｋｉｎｇｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇ；Ｓｕｐｐｏｒｔ
ＶｅｃｔｏｒＭａｃｈｉｎｅ ；ＲａｎｄｏｍＦｏｒｅｓｔ

（责任编辑：韩 昆）

— ５ ０ —
６