申请/专利权人：西安理工大学

申请日：2024-01-26

公开（公告）日：2024-04-09

公开（公告）号：CN117634652B

主分类号：G06N20/20

分类号：G06N20/20;G06F18/2431;G06N5/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开基于机器学习的大坝变形可解释预测方法，包括以下步骤：步骤1、对大坝上监测点连续监测获取待处理数据，并对待处理数据进行剔除粗差的预处理工作；步骤2、获得大坝变形预测模型A；步骤3、评价模型A预测的精确度；步骤4、使用SHAP可解释方法对步骤3构建的大坝变形预测模型A进行因子剔除得到模型B；步骤5、采用控制变量法获得预测效果最好的模型C；步骤6、通过使用SHAP可解释方法对步骤5构建的大坝变形预测模型C进行画图分析获得的瀑布图定量分析不同影响因子对大坝变形模型预测结果的影响。该方法可以有效的提高大坝变形数据的预测精度并解释机器学习黑箱模型的内部机理。

主权项：1.基于机器学习的大坝变形可解释预测方法，其特征在于，包括以下步骤：步骤1、对大坝监测点连续监测获取待处理数据，并对待处理数据进行剔除粗差的预处理工作；步骤1具体为：对大坝上的监测点进行连续监测后获取大坝的径向水平位移及对应的水压、温度、时效的环境量数据，并对获取的径向水平位移以及水压、温度、时效的环境量数据进行剔除粗差的预处理工作；步骤2、选取水压因子、温度因子及时效因子作为LightGBM模型的输入量，将监测点的径向水平位移作为LightGBM模型的输出量；步骤2中，水压因子选取、和，其中，表示月平均库水位、表示月平均库水位的二次方、表示月平均库水位的三次方；温度因子选取、、、和，其中，表示监测日当天的平均温度、表示监测日前五天的平均温度、表示监测日前三十天的平均温度、表示监测日前六十天的平均温度、表示监测日前九十天的平均温度；时效因子选取和，其中，为累计进行观测的天数除以100；步骤3、对步骤1预处理后的数据随机进行训练集及测试集的划分，将划分好的训练集代入基于LightGBM模型构建的大坝变形预测模型A，并评价大坝变形预测模型A的预测精确度；步骤3具体为：对步骤1预处理后的数据随机进行训练集及测试集的划分，其中80%作为训练集，20%作为测试集；将划分好的训练集代入到步骤2中确认好输入量及输出量的LightGBM模型中以构建大坝变形预测模型A，通过平均绝对误差MAE、相关系数R2及均方根误差RMSE作为模型评价指标来评价大坝变形预测模型A的预测精确度；步骤3中：平均绝对误差MAE、相关系数R2及均方根误差RMSE作为评价指标的具体表达式如下： （1） （2） （3）式（1）-（3）中，为样本量，为第i个样本的真实径向水平位移，为第i个样本的预测径向水平位移，为n个样本的真实径向水平位移的平均值；步骤4、使用SHAP可解释性方法对步骤3构建的大坝变形预测模型A进行分析，剔除掉存在多重共线性的因子，将剩下的因子重新作为LightGBM模型的输入量，并构建新的大坝变形预测模型B；步骤4具体为：根据Shapley值对水压因子、温度因子及时效因子进行排序，将Shapley值小于0.02的影响因子进行剔除，将剔除后剩余的影响因子重新代入LightGBM模型，以构建新的大坝变形预测模型B；步骤5、采用控制变量法调整新的大坝变形预测模型B的参数，并获得预测效果最好的大坝变形预测模型C；步骤5具体为：采用控制变量法调整步骤4获得的新的大坝变形预测模型B的核心参数，其中，核心参数为学习速率、树的最大深度和最大叶子数，调整次后获得个新的大坝变形预测模型{B1，B2…Bn}，使用步骤3中的模型评价指标评价新的大坝变形预测模型{B1，B2…Bn}的精度，将相关系数R2最大、平均绝对误差MAE和均方根误差RMSE最小的模型作为预测效果最好的大坝变形预测模型C；步骤6、通过使用SHAP可解释性方法对步骤5构建的预测效果最好的大坝变形预测模型C进行画图分析后获得瀑布图，并通过瀑布图定量分析不同影响因子对大坝变形模型预测结果的影响；步骤6中：获得的瀑布图中条形框内的数字代表条形框一侧纵坐标影响因子对径向水平位移影响值的大小，数字前面的正负号代表影响的方向，加号代表影响方向为向上游，即，使大坝的径向水平位移向上游发生移动；减号代表影响方向向下游，即，使大坝的径向水平位移向下游发生移动；不同影响因子对大坝径向水平位移的影响方向进行叠加，即得到最终的径向水平位移预测结果。

全文数据：

权利要求：

百度查询： 西安理工大学 基于机器学习的大坝变形可解释预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD