大坝渗压混合预测的STL分解-集成学习模型OA北大核心CSTPCD
针对目前大坝渗压预测研究大多未区分影响因素对渗压不同特征成分贡献的差异,降低了模型的可解释性,且现有的预测模型大多采用单一算法,存在难以区分具有高度非线性和非稳态混合特征的渗流压力序列模式等问题,本文提出一种基于STL分解和集成学习策略的渗压可解释混合预测模型。该模型首先通过时间序列分解(STL)将原始渗压时间序列分解为季节项、趋势项和余项,以避免现有模型在渗流压力预测中模式混淆的不足;然后,不同成分的变化特征可采用多策略改进麻雀搜索算法(MSI…查看全部>>
王晓玲;王成;王佳俊;余佳;余红玲
天津大学水利工程智能建设与运维全国重点实验室,天津300072天津大学水利工程智能建设与运维全国重点实验室,天津300072天津大学水利工程智能建设与运维全国重点实验室,天津300072天津大学水利工程智能建设与运维全国重点实验室,天津300072中国农业大学水利与土木工程学院,北京100083
水利科学
大坝渗压预测STL时序分解多策略改进麻雀搜索算法集成学习
《水力发电学报》 2024 (9)
P.106-123,18
国家自然科学基金雅砻江联合基金(U1965207)。
评论