基于WOA-RFR的混凝土坝变形预测监控模型

为提高大坝变形监控模型的预测精度与模型性能,引入随机森林算法与鲸鱼优化算法构建基于WOA-RFR的混凝土坝变形预测模型。归属于机器学习算法的随机森林模型具有泛化能力强、训练速度快等优点,具备较强的非线性特征映射能力;但由于原始随机森林算法中涉及到众多参数,不同的参数及相应参数组合对于模型性能的提高与稳定具有较大影响,若是采用人工经验法不能保证结果的有效性。因此为解决随机森林模型的参数标定问题,引入具有较强全局搜索能力的鲸鱼优化算法对关键参数进行组合寻优,在取得最优参数组合的同时以期进一步提高模型的泛化能力及鲁棒性。为分析比较模型的优良性能,以某实际工程为例,利用鲸鱼算法优化的随机森林建立大坝变形监控模型,引入决定系数、均方根误差与平均绝对百分比误差为模型性能的评价指标,与不同智能寻优算法、多种对照模型进行预测结果对比。结果表明,基于WOA优化的RFR预测模型具有更高的预测精度和稳定性,WOA的优化显著提高了模型性能。