机器学习在大坝渗流预测中的应用、挑战与展望

• 作者: 汪卫 廖杰林 朱少坤 广州珠科院工程勘察设计有限公司
• 来源期刊: 人民珠江
• 关键词: 大坝 渗流预测 机器学习 参数识别
• 年，卷（期）: 2024,（4）
• 页码范围: 1-10
• 页数: 10页
• 语种: 中文

摘要

渗流的不良影响会提高溃坝风险，利用机器学习精确预测渗流情况对于确保大坝的安全和稳定至关重要。综述了机器学习在大坝渗流预测中的应用、挑战和出路。机器学习不仅可以预测大坝的渗流性态，而且能够识别渗流预测中大坝渗透系数、地下水位等关键参数。人工神经网络、支持向量机、决策树等机器学习算法已经被广泛应用于大坝的渗流预测，集成算法通过整合多种算法的优势，大大提高了预测准确性。机器学习模型在数据数量和质量、模型可解释性、复杂性、可扩展性以及部署和实现等方面仍存在诸多不足。未来的研究方向包括开发先进的机器学习算法、创建物理-数据双驱动模型和可解释模型、加强试验测试和验证等。相关成果可为基于机器学习模型的大坝渗流预测研究提供参考。