基于集成学习的水利施工技术状态监测研究  

作　　者：李勇 

机构地区：[1]中国南水北调集团有限公司中原区域总部,河南郑州450000

出　　处：《中国新技术新产品》2025年第4期101-104,共4页New Technology & New Products of China

摘　　要：本研究应用集成学习方法对水利施工中的技术状态监测进行了深入探讨。通过分析围堰堰体的水平位移、垂直位移和防渗墙变形情况,并结合不同算法的特征,比较决策树、随机森林、梯度提升树(GBT)和stacked等算法的监测准确率。结果表明,不同算法在不同监测任务中的表现存在差异。随着时间推移和数据积累,预测准确性逐渐提高,尤其是梯度提升树和stacked算法在数据量增加后表现更为优越。然而,围堰堰体及防渗墙的变形预测仍面临挑战,部分原因是受到复杂的环境因素和数据隐变量的影响。总体而言,梯度提升树和stacked算法在提高监测准确性方面展现出更好的潜力,未来能为水利施工技术状态监测提供新的思路。

关 键 词：集成学习 stacked集成 水利施工 技术状态监测 

分 类 号：TV22[水利工程—水工结构工程]