基于OWOA-RFWSVR-DLM的高寒区混凝土坝变形预测模型

对于寒冷地区的混凝土大坝,由于表层保温层的影响,其内部温度往往滞后于气温变化。当内部温度计缺失时,使用水力-季节-时间(HST)模型进行大坝预测时存在较大的误差,且即使利用内部温度计进行多元回归(MR)模型的建模也无法反映温度与变形的非线性关系。因此,针对现阶段对高寒区变形预测精度低的问题,提出利用反向学习后的鲸群(OWOA)算法对RReliefF因子加权支持向量机(RFWSVR)与分布滞后线性模型(DLM)的温度因子的超参数进行寻优,以构建缺乏内部温度计的寒区混凝土大坝变形预测模型。结果表明:通过对所建立的变形预测模型与传统统计模型和其余常用机器学习算法的性能比较,证明所建立模型具有较高的预测精度,能更好地反映保温混凝土大坝的工作特点。