%0 Journal Article
%A 杨晨蕾
%A 包腾飞
%T 基于FCM-XGBoost的大坝变形预测模型
%D 2021
%R 10.11988/ckyyb.20200508
%J 长江科学院院报
%P 66-71
%V 38
%N 8
%X 变形是评价大坝是否安全的重要指标之一。随着变形监测测点的不断增加,实现对所有测点的分析意味着消耗大量时间,往往会出现预报不及时的问题;另一方面,传统机器学习算法的引入虽然提高了预测精度,但参数选取不佳时对结果影响很大且建模过程十分复杂。引入模糊C-均值聚类(FCM)和极端梯度提升算法(XGBoost),首先对大坝的变形测点根据变化规律的相似性进行分区,然后针对每个分区建立XGBoost变形预测模型。以拱坝垂线径向变形监测资料为例,验证了聚类结果的可靠性,并将XGBoost变形预测模型结果与随机森林模型结果对比。结果表明,XGBoost模型在数据预处理、建模时间及预测精度上,都体现出更大的优势。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20200508