通过整合特征工程和改进的OS-ELM方法，实现在线预测有裂缝的拱坝位移的间隔时间

《ADVANCED ENGINEERING INFORMATICS》：Online interval prediction of displacement of arch dams with cracks by integrating feature engineering and improved OS-ELM

　　

卜旭|姜成阳|苏怀志|黄全水|夏辉|张成浩|张文杰|孙林松

摘要

精确预测拱坝的位移对于结构健康监测至关重要。传统的统计方法和机器学习模型已被广泛应用，但它们在捕捉拱坝位移的复杂性和动态特性方面存在局限性。此外，这些方法难以在新数据出现时实时更新模型，并且通常缺乏对预测不确定性的有效量化。为了解决这些问题，本研究提出了一种针对有裂缝的拱坝的在线区间预测模型，该模型将特征工程与改进的在线序列极值学习机（OS-ELM）相结合。通过特征选择和特征提取，构建了一组最优的影响因素；对传统OS-ELM的改进提高了预测准确性和模型稳定性。此外，利用核密度估计实现了区间预测，从而能够有效量化预测不确定性。基于这些发展，该模型进一步实现了对位移数据块的在线区间预测及最优数据块大小的选取。工程案例研究表明，与其他离线和在线模型相比，所提出的模型在点预测方面具有更高的准确性和效率。在区间预测中，它不仅满足了所需的覆盖水平，还产生了更窄的预测区间，提供了更可靠的不确定性估计。此外，该方法具有出色的计算效率，适用于在线监测应用。综合考虑准确性和效率，建议数据块大小为10。总体而言，研究结果验证了所提出方法在预测有裂缝的拱坝位移方面的有效性和优势，并为大坝安全监测提供了宝贵的技术支持。