基于随机森林算法的大坝应力预测模型的构建及其应用

针对传统统计模型在大坝应力监测时预测精度不高且容易出现过度拟合现象,将随机森林算法引入大坝应力预测中,构建了基于随机森林算法的大坝应力预测模型,对某混凝土重力坝的应力监测数据进行处理、分析和预测,并以平均绝对误差、平均误差平方和及相对误差平方和为指标与多元线性回归模型和神经网络模型进行对比。结果表明,当预测范围在训练集样本范围内时,基于随机森林算法的大坝应力预测模型的预测精度较高,稳定性较好,为大坝应力预测提供了一种新途径。     

基于EAHP-EWM-博弈TOPSIS的大坝风险识别方法

针对大坝风险指标具有不确定性和模糊性的特征,提出了1种基于EAHP-EWM-博弈TOPSIS组合模型的大坝风险识别模型,即通过可拓层次分析法和熵权法分别确定风险评价指标的主、客观权重,同时引入博弈理论确定最佳组合权重,并构造加权标准化决策矩阵,然后利用TOPSIS法计算出各风险因子与理想解的相对接近度作为风险因子排序的依据来识别大坝的主要风险源,最后将该方法应用于福建省某大坝的风险识别。工程实例表明,影响该大坝安全服役的主要风险因子为坝体渗流与两岸渗流,相对接近度分别为0.712 7、0.855 2,识别的主要风险因子和工程实际情况相吻合,验证了模型的有效性。本模型的区分度相比其他模型更明显,为大坝的除险加固和风险管理提供了有效依据。