【技术实现步骤摘要】
本申请涉及高拱坝监测的，尤其涉及基于机器学习的高拱坝谷幅变形预测方法、装置。
技术介绍
1、得益于我国筑坝技术的发展和西部高山峡谷的地形，高拱坝因其具有良好的经济性和安全性而得到了工程师们的广泛青睐。高拱坝开挖工程规模大，蓄水位高，对坝址区的工程扰动剧烈，极有可能产生不可逆转的谷幅变形。谷幅变形会诱发高拱坝坝身出现裂缝甚至溃坝，是制约高拱坝长期安全运行的关键因素之一。
2、相关技术中，常基于传统回归模型预测谷幅变形。然而，由于谷幅变形原始的时间序列监测数据存在非平稳性，且基于传统回归模型不能实现谷幅变形关键影响因素的定量识别，从而导致传统回归模型在实际工程中的应用效率较低，最终导致预测结果不够精准。
技术实现思路
1、有鉴于此，本申请提供基于机器学习的高拱坝谷幅变形预测方法、装置，能够提高预测结果的精准性。
2、一方面，本申请提供一种基于机器学习的高拱坝谷幅变形预测方法，包括：
3、获取高拱坝的历史监测数据，所述历史监测数据包含与时间参数相对应的谷幅变形...
【技术保护点】
1.一种基于机器学习的高拱坝谷幅变形预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预置影响因素参数包括库水位、降雨和气温。
3.根据权利要求1所述的方法，其特征在于，构建VMD-SSA-LSSVM模型之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，从预置影响因素参数中选取关键影响因素参数具体为：
5.根据权利要求1所述的方法，其特征在于，所述超参数组合为正则化参数γ和内核函数参数σ。
6.根据权利要求5所述的方法，其特征在于，以麻雀搜索算法优化最小二乘支持向量机...
【技术特征摘要】
1.一种基于机器学习的高拱坝谷幅变形预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预置影响因素参数包括库水位、降雨和气温。
3.根据权利要求1所述的方法，其特征在于，构建vmd-ssa-lssvm模型之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，从预置影响因素参数中选取关键影响因素参数具体为：
5.根据权利要求1所述的方法，其特征在于，所述超参数组合为正则化参数γ和内核函数参数σ。
6.根据权利要求5所述的...
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。