基于异方差高斯过程回归的大坝变形预测模型

摘要

大坝变形是一个多因素影响下的非线性系统,具有显著的非线性、小样本和高维特点,这些变形特点导致构建精度和可靠性高的大坝变形预测模型难度较大。鉴于高斯过程(GP)学习算法能较好地解决小样本和高维数的非线性建模问题,提出基于异方差高斯过程(HGP)的大坝变形预测新模型。将HGP算法预测结果与BP神经网络(BP)、最小二乘支持向量机(LS-SVM)、标准GP算法进行对比,并且构建了HGP结果的可靠性分析方法。实验结果可知,HGP的精度指标均优于BP、LS-SVM和GP算法,证实HGP算法具有较好的大坝预测精度;由于HGP考虑了变形监测环境的变化,其预测结果的精度优于标准GP算法,表明HGP算法改进策略的有效性;实测值均落在HGP算法估计的95%置信度置信区间内,证实基于HGP算法的大坝变形预测结果精度及可靠性高,有效弥补了当前大坝变形预测模型较少有结果可靠性分析功能的缺点。HGP所有参数均自适应解算,可有效地避免用户参数设置不合理引起的误差,具有更好的实用价值。