【技術實現步驟摘要】
本專利技術涉及堤壩工程穩定性，具體為一種多模型聯合決策的汛期堤壩工程穩定性預測方法。
技術介紹
1、堤壩是指為防洪、治理水利和供水等目的而修建的一類水利工程；大部分堤防工程建成已久，服役時間長，地質條件復雜，堤身材料特性不確定性大。在汛期湍急水流持續沖刷、高洪水位滲透作用下，堤壩極易發生開裂、崩塌和滑坡等破壞現象；因此，研究汛期堤壩工程穩定性預測和監測方法具有重要的工程意義。
2、目前，對于堤壩工程穩定性的監測和預測通常是在堤壩內部埋設傳感器或在堤壩上布置監測探頭等手段。盡管這些方法在實際應用時取得了一些效果，但在堤壩內埋設傳感器，不免會降低堤壩結構穩定性，而通過設備監測時，監測效果和可靠性嚴重受周圍環境的影響。此外，許多數值方法引入求解堤壩穩定性，如有限元法、離散元法和快速拉格朗日差分法等，但其在處理大量任務時存在效率低的劣勢。隨著計算機技術的高速發展，機器學習已成為一種重要的人工智能技術，已在眾多領域的預測研究工作中取得了豐碩的研究成果，為堤壩穩定性預測開拓了新思路。然而，不同類型的機器學習算法各有優勢，在進行復雜預測工作時，單一類型的算法模型往往并不能滿足所有工況需求。因此，考慮現有多種智能機器學習算法的融合應用，開發一種更系統、高效的邊坡穩定性監測預測方法，成為本領域急待解決的關鍵問題。
技術實現思路
1、針對現有技術的不足，本專利技術的目的在于提供一種工程結構影響小、收斂速度快和預測精度高的汛期堤壩工程穩定性預測方法，以更好地保障汛期堤壩工程的安全運行。>
2、為實現上述目的，本專利技術提供如下技術方案：一種多模型聯合決策的汛期堤壩工程穩定性預測方法，包括如下步驟：
3、步驟s1：獲取待預測堤壩的橫斷面幾何參數、待預測堤壩內部巖土體的基本物理力學參數和待預測堤壩區域汛期時的洪峰水位和最大降雨強度，將巖土體的基本物理力學參數、洪峰水位和最大降雨強度作為判斷指標，并進行數據擴增；
4、步驟s2：根據待預測堤壩橫斷面幾何參數，采用工程仿真軟件建立堤壩數值模型，根據數據擴增后的判斷指標對堤壩數值模型進行參數賦值和設置邊界條件，選擇極限平衡法求解賦值和設置邊界條件后堤壩數值模型的安全系數；
5、步驟s3：將數據擴增后的判斷指標及對應的安全系數k構建為數據集；
6、步驟s4：建立三種單機器學習模型包括貝葉斯嶺回歸模型brr、最小二乘支持向量回歸模型lssvr和極限梯度提升模型xgboost，引入改進灰狼算法igwo對三種單機器學習模型的超參數進行尋優，并在數據集中訓練三種單機器學習模型，得到最優的三種單機器學習模型；
7、步驟s5：以d-s證據理論作為預測框架，將得到的最優的三種單機器學習模型進行決策級融合，構建多模型聯合決策的堤壩安全系數預測模型；
8、步驟s6：確定待預測堤壩的容許安全系數，將待預測堤壩內部巖土體的基本物理力學參數、洪峰水位和最大降雨強度輸入至多模型聯合決策的堤壩安全系數預測模型中，得到預測模型輸出的待預測堤壩的安全系數，將與進行比較，當，則判定待預測堤壩穩定，當，則判定待預測堤壩不穩定。
9、進一步的，引入改進灰狼算法對三種單機器學習模型的超參數進行尋優的具體過程為：
10、步驟s4.21：選擇超參數；
11、選擇貝葉斯嶺回歸模型的正則化參數和噪聲方差、最小二乘支持向量回歸模型的正則化參數和松弛變量以及極限梯度提升模型的正則化參數和決策樹的數量作為超參數；
12、步驟s4.22：種群生成；
13、基于tent混沌映射初始化灰狼種群，表示為：
14、；
15、式中，為第只灰狼的位置；為第只灰狼的位置；表示區間內的隨機值；
16、步驟s4.23：灰狼劃分；
17、計算初始種群中各灰狼的適應度值，并按照從大到小的順序進行排序，將排名前三的灰狼分別劃分為狼、狼和狼，剩余灰狼作為狼；狼、狼、狼和狼分別表示最優解、次優解、一般解和候選解；
18、步驟s4.24：模擬圍捕獵物策略，并引入levy分布策略和螺旋更新方法進行改進，更新α狼、β狼和δ狼的位置，表示為：
19、；
20、；
21、；
22、；
23、；
24、式中，、和分別為第次迭代時狼、狼、狼的位置；、和分別為第次迭代時狼、狼、狼的位置；為適應度函數；為移動位置的隨機數；表示levy分布策略的隨機變量，是levy分布策略的指數參數；為對點乘法；為自然對數底數的次冪；是對數螺線常數；是中的隨機數；是中的隨機數；表示狼與獵物的相對位置；
25、步驟s4.25：模擬捕殺獵物策略，更新α狼、β狼和δ狼的位置，表示為：
26、；
27、式中，為第次迭代時灰狼的位置；、和分別為第次迭代時狼、狼、狼的位置；
28、步驟s4.26：重復迭代步驟s4.23到步驟s4.25，達到最大迭代次數后終止，將狼的位置作為最優超參數。
29、進一步的，步驟s5的具體過程為：
30、步驟s5.1：將輸入項導入至最優的三種單機器學習模型中進行預測，得到三個預測結果，分別記為、和，為貝葉斯嶺回歸模型的預測值，為最小二乘支持向量回歸模型的預測值，為極限梯度提升模型的預測值；
31、步驟s5.2：基于d-s證據理論，將、和轉化為基本概率分配，設最優的三種單機器學習模型的預測誤差服從正態分布，則置信度分配即基本概率分配根據最優的三種單機器學習模型的預測誤差的概率密度進行計算，表示為：
32、；
33、式中，表示最優的三種單機器學習模型對第一預設支持度的基本概率分配；表示的預測誤差；為已知的真實值；
34、步驟s5.3：根據證據理論合成規則，對最優的三種單機器學習模型的基本概率分配進行融合，得到綜合基本概率分配，表示預設的綜合支持度；
35、步驟s5.4：根據，選擇具有最大的預測結果作為最終預測值，表示為：
36、；
37、式中，表示最大對應的預測結果。
38、進一步的，待預測堤壩橫斷面幾何參數是通過對待預測堤壩開展現場測量，綜合已有勘查成果得到；堤壩內部巖土體的基本物理力學參數是對待預測堤壩內部巖土體進行取芯制樣并開展基礎測試得到；待預測堤壩區域汛期時的洪峰水位和最大降雨強度是通過查閱水文氣象資料得到；
39、待預測堤壩橫斷面幾何參數包括堤壩高度、堤頂寬度、堤壩迎水面坡比和背水面坡比；堤壩內部巖土體的基本物理力學參數包括重度、黏聚力、內摩擦角、滲透系數和孔隙壓力比。
40、進一步的，步驟s2的具體過程為：
41、步驟s2.1：根據待預測堤壩橫斷面幾何參數，建立堤壩的二維數字模型，將建立的二維數字模型導入工程仿真軟件中生成堤壩數值模型；
42、步驟s2.2：對生成的堤壩數值模型進行網格劃分和參數賦值；...
【技術保護點】
1.一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：引入改進灰狼算法對三種單機器學習模型的超參數進行尋優的具體過程為：
3.根據權利要求2所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟S5的具體過程為：
4.根據權利要求3所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：待預測堤壩橫斷面幾何參數是通過對待預測堤壩開展現場測量，綜合已有勘查成果得到；堤壩內部巖土體的基本物理力學參數是對待預測堤壩內部巖土體進行取芯制樣并開展基礎測試得到；
5.根據權利要求4所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟S2的具體過程為：
6.根據權利要求5所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟S3的具體過程為：將數據擴增后的判斷指標及對應的安全系數設為一組，匯總后得到數據集，，，為輸入項，即巖土體物理力學參數、洪峰水位和最大降雨強度，為
7.根據權利要求6所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：在數據集中訓練三種單機器學習模型，得到最優的三種單機器學習模型的具體過程為：將數據集進行最大最小歸一化處理后再按3：1：1的比例劃分為訓練集、驗證集和測試集，采用訓練集和驗證集分別對三種單機器學習模型進行訓練以及評價，得到最優的三種單機器學習模型；
8.根據權利要求7所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：利用測試集評估預測模型的性能的具體過程為：將測試集導入多模型聯合決策的堤壩安全系數預測模型和最優的三種單機器學習模型中，比較多模型聯合決策的堤壩安全系數預測模型和最優的三種單機器學習模型的評價結果，當多模型聯合決策的堤壩安全系數預測模型的性能低于最優的三種單機器學習模型，則返回步驟S4。
...【技術特征摘要】
1.一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：引入改進灰狼算法對三種單機器學習模型的超參數進行尋優的具體過程為：
3.根據權利要求2所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟s5的具體過程為：
4.根據權利要求3所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：待預測堤壩橫斷面幾何參數是通過對待預測堤壩開展現場測量，綜合已有勘查成果得到；堤壩內部巖土體的基本物理力學參數是對待預測堤壩內部巖土體進行取芯制樣并開展基礎測試得到；
5.根據權利要求4所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟s2的具體過程為：
6.根據權利要求5所述的一種多模型聯合決策的汛期堤壩工程穩定性預測方法，其特征在于：步驟s3的具體過程為：將數據擴增后的...
【專利技術屬性】
技術研發人員：劉享華，王姣，游文蓀，張科，張凱，虞慧，李文歡，齊飛飛，
申請(專利權)人：江西省水利科學院江西省大壩安全管理中心，江西省水資源管理中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。