【技术实现步骤摘要】
基于Stacking的灌浆量集成代理预测模型及预测方法
[0001]本专利技术涉及水利水电工程中大坝基岩灌浆施工领域,特别涉及一种基于Stacking的灌浆量集成代理预测模型及预测方法。
技术介绍
[0002]目前,灌浆施工作为大坝基础防渗、地基改善和修复的主要方法,对保证水工建筑物的稳定运行至关重要。灌浆量是表征灌浆施工质量的重要参数,且与灌浆施工的成本效益密切相关。通过灌浆量的预测,可以完善灌浆设计方案,节省灌浆材料和设备投资,指导后续灌浆施工控制和工程量优化。
[0003]然而,由于灌浆工程的隐蔽性和复杂性,根据施工人员经验和简化物理模型试验等传统方法预估的灌浆量与实际情况存在较大误差。随着计算流体力学方法和离散裂隙网络建模方法的快速发展,数值模拟技术成为计算坝基灌浆量的有力工具。但数值模拟存在建模过程复杂、计算量大、耗时长等问题,导致灌浆量计算效率低,无法满足指导灌浆工程建设的需求。基于机器学习算法的代理模型可以替代复杂耗时的数值模拟过程,同时兼顾计算效率与预测精度。因此,基于机器学习算法的代理模型技术成为解决复杂工程灌浆量预测问题的有效途径。
[0004]然而,单一机器学习器代理模型的预测稳定性较差,可能由于随机而导致泛化性能不佳,且只使用一种机器学习模型容易低估预测的不确定性以至准确性较差。因此,一些研究通过采用组合代理模型的方式来提高整体预测精度。然而组合代理模型在决定各算法的赋权值时存在主观性和不确定性,也无法训练出更优异的模型。而集成学习(ensemble learning)方法通过 ...
【技术保护点】
【技术特征摘要】
1.一种基于Stacking的灌浆量集成代理预测模型,其特征在于,包括集成代理模型,该集成代理模型设有两层,第一层包括采用五折交叉验证方法进行训练和验证的三个基学习器,第二层包括一个元学习器;三个基学习器分别为SVR神经网络、BPNN神经网络和RF模型;元学习器为ANFIS神经网络;元学习器的训练集中的训练数据包括三个基学习器的预测结果数据。2.根据权利要求1所述的基于Stacking的灌浆量集成代理预测模型,其特征在于,还包括基于三维精细裂隙建模的灌浆数值模拟模型,灌浆数值模拟模型输入地质参数、施工参数及浆液特性参数,输出灌浆量模拟值;元学习器的训练集中的训练数据还包括灌浆量模拟值。3.一种基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,构建基于Stacking的灌浆量集成代理预测模型;该集成代理预测模型设置两层,第一层设置三个基学习器,第二层设置一个元学习器,三个基学习器分别为SVR神经网络、BPNN神经网络和RF模型;元学习器为ANFIS神经网络;采集包括地质参数、施工参数和浆液特性参数的历史数据作为训练样本,构建训练集及验证集;使用五折交叉验证方法对三个基学习器进行训练;构建包括由三个基学习器得到的预测结果数据的训练集来训练元学习器;将包括地质参数、施工参数和浆液特性参数的输入参数同时输入至三个基学习器,然后将三个基学习器得到的预测结果输入至元学习器,由元学习器输出灌浆量预测值。4.根据权利要求3所述的基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,还设置基于三维精细裂隙建模的灌浆数值模拟模型,使灌浆数值模拟模型输入地质参数、施工参数及浆液特性参数,输出灌浆量模拟值;将三个基学习器得到的预测结果与对应的灌浆量模拟值组合,构建新的训练集来训练元学习器。5.根据权利要求4所述的基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,构建训练集及验证集的方法包括:利用拉丁超立方抽样方法抽取多组地质参数,将其与不同的施工参数和浆液特性参数进行组合,构建具有代表各种裂隙地质条件及施工工况的参数样本集;将参数样本集中的数据输入至灌浆数值模拟模型中,得到灌浆量模拟值;将地质参数、施工参数和浆液特性参数及对应生成的灌浆量模拟值作为样本数据,构建样本集,按比例将样本集划分为训练集和测试集。6.根据权利要求3所述的基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,采集包括地质参数、施工参数和浆液特性参数的历史数据作为训练样本的方法包括:根据三维精细裂隙网络模型获取如下地质参数:裂隙数量、裂隙平均倾向、平均倾角和平均隙宽;根据工程实际施工方案以及水工建筑物水泥灌浆施工技术规范获取如下施工条件参数:灌浆孔的排序、孔序、孔深以及灌浆压力;根据根据工程实际施工方案获取如下浆液参数:浆液水灰比。7.根据权利要求3所述的基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,基于混沌理论和L
é
vy飞行策略对麻雀搜索算法进行改进,采用改进的麻雀搜索算法对基学习器和元学习器的模型参数进行同步优化。8.根据权利要求7所述的基于Stacking的灌浆量集成代理预测模型的预测方法,其特征在于,基于混沌理论和L
é
vy飞行策略对麻雀搜索算法进行改进的方法包括:基于混沌理论进行麻雀种群初始化,使用Tent混沌映射生成混沌序列初始化麻雀位置
xp
i,j
,其中i=1,2,3
…
n,n表示麻雀种群的数量,j=1...
【专利技术属性】
技术研发人员:王晓玲,余红玲,祝玉珊,任炳昱,佟大威,郑鸣蔚,
申请(专利权)人:天津大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。