基于小样本机器学习的土石坝堆石料流变参数反演方法

黄涵; 赵宇宸; 武颖利; 郭万里

doi:10.20040/j.cnki.1000-7709.2026.20250679

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于小样本机器学习的土石坝堆石料流变参数反演方法

更新时间：2026-09-10

- 基于小样本机器学习的土石坝堆石料流变参数反演方法
- Vol. 44, Issue 3, Pages: 99-104(2026)
- 作者机构：
  
  1. 南京水利科学研究院岩土工程研究所
  2. 南京水利科学研究院水利部水库大坝安全重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20250679
  CLC： TV41
- Published：2026
- 稿件说明：
移动端阅览
黄涵, 赵宇宸, 武颖利, et al. 基于小样本机器学习的土石坝堆石料流变参数反演方法[J]. 2026, 44(3): 99-104.
DOI：

黄涵, 赵宇宸, 武颖利, et al. 基于小样本机器学习的土石坝堆石料流变参数反演方法[J]. 2026, 44(3): 99-104. DOI： 10.20040/j.cnki.1000-7709.2026.20250679.

摘要

针对土石坝堆石料流变参数反演分析中易出现小样本、多特征、过拟合等问题，基于梯度提升决策树算法（GBDT）

引入特征工程和数据增强等数据处理技术，提出了基于小样本机器学习的土石坝工程流变参数反演方法，并依托工程实例开展了验证与应用。结果表明，GBDT回归算法具有强大的非线性拟合能力，能够有效捕捉土石坝流变参数反演中小样本、多特征的内在规律。引入特征工程和数据增强技术，能够有效提高模型的预测精度与泛化能力，训练集和验证集的R

指标由低于0.7显著提升至0.95以上，M

MSE

指标则降低至10

-5

级。在此基础上，采用反演优化得到的流变参数计算坝体流变变形与实际监测值有较好的一致性，证明了小样本机器回归算法作为土石坝堆石料流变参数反演分析方法是适用的。

Abstract

关键词

Keywords

references

李江波,罗五洲,夏旦,吕小龙,凌骐.基于自适应采样多保真度神经网络的土石坝邓肯—张E-B模型参数反演[J].水电能源科学,2025(04).

黄昊冉,谷艳昌,陈斯煜,王士军,黄海兵.机理-数据融合与残差修正的土石坝渗压预测模型研究[J].水利学报,2025(03).

曹洋兵,陈可辛,黄月,李尧,张遂,黄真萍.地下水封洞库施工期洞室围岩力学参数智能反演[J].长江科学院院报,2025(04).

刘云香,同军红,李穂丰,吴晓玲.小样本机器学习下数据多尺度挖掘算法设计[J].计算机仿真,2024(04).

林琴,郭永刚,吴升杰,臧烨祺,王国闻.基于梯度提升的优化集成机器学习算法对滑坡易发性评价：以雅鲁藏布江与尼洋河两岸为例[J].西北地质,2024(01).

梁龙飞.小样本机器学习方法在新疆滑坡灾害易发性评价中的应用[J].工程地质学报,2023(04).

李威,刘检生,施增强,郭万里.基于XGBoost算法的堆石料南水模型参数反演及应用[J].水利水运工程学报,2023(03).

陈家琦,岑威钧,李邓军,潘正阳.基于改进ACMPSO并行算法的土石坝本构参数反演[J].水利水电科技进展,2021(03).

王茂华,迟世春,相彪,周雄雄.弱震情况下高土石坝坝料动力参数反演分析[J].岩土工程学报,2020(02).

Views

176

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

复杂分区土石坝渗透系数反演的HSBP算法及其应用

基于多目标优化的WOA-BPNN高拱坝变形模量反演分析

基于多种机器学习算法的伊洛河流域汛期GPM降水数据降尺度研究

考虑降雨产汇流影响的土石坝渗流量研究

基于EEMD-LSTM-Adaboost的土石坝渗压预测模型

Related Author

杨宁

包腾飞

党亚山

李鹏科

范成博

麻昀霖

刘欣航

娄一青

Related Institution

甘肃省水利水电勘测设计研究院有限责任公司

河海大学水灾害防御全国重点实验室

河海大学水利水电学院

温州市水利电力勘测设计院有限公司

河海大学水文水资源学院

AI问答

⁰