中国安全科学学报

作者：尹孝君, 丁勇, 李登华

单位：1 南京理工大学 安全科学与工程学院, 江苏 南京 210094；2 南京水利科学研究院, 江苏 南京 210029；3 水利部水库大坝安全重点实验室, 江苏 南京 210024

关键词：多算法融合,因子筛选,最优因子长短期记忆网络模型(LSTM),大坝变形,预测模型

基金：国家重点研发计划资助项目(2024YFC3210703); 国家自然科学基金资助(U2240221); 中央级公益性科研院所基本科研业务费专项资金资助项目(Yk325002); 中央级公益性科研院所基本科研业务费专项资金资助项目(Y724011)

针对传统大坝变形预测中影响因子选择方法单一、难以全面捕捉高维数据复杂因子关联性的问题,提出一种基于多算法融合的因子筛选方法,并应用于构建最优因子的长短期记忆(LSTM)网络模型。使用相关系数法、邻域成分分析(NCA)算法、最小绝对值收缩和选择算子法(LASSO)分别筛选影响因子,并合并筛选结果;由于因子间会存在相关性,再根据对称不确定性(SU)剔除高度相关的因子,实现因子优选,利用 LSTM 网络建立大坝变形预测模型;以新疆某混凝土面板堆石坝为例,以均方根误差(RMSE)、平均绝对误差(MAE)、均方误差(MSE)及决定系数(R2)作为评价指标评估模型性能。结果表明:相较于传统因子筛选方法,本文方法融合多种算法优势,能够全面、准确地筛选出对大坝变形影响显著的因子,其中MSE较其他方法降低20.11%~59.09%,RMSE降低10.61%~36.05%,MAE降低9.95%~37.86%,构建出更优的预测模型;部分测点的MSE、RMSE和MAE较其他对比模型最大降幅分别达53.5%、31.9%和34.7%,且决定系数最高达0.986 0。

来源：2025年第12期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第12期