129 / 2024-08-21 20:35:37

基于TPE-GBT模型的地下水封洞库灌浆量预测研究（不进增刊）

地下水封洞库；梯度提升树；超参数优化；灌浆量预测；单位耗灰量

灌浆是解决地下水封洞库围岩渗漏水问题的最有效技术手段。为了改善灌浆施工隐蔽性强带来的灌浆量及渗控效果难以预测的现状，基于大量现场施工数据和机器学习方法，探索建立高效、准确的灌浆量预测模型，优化并指导现场灌浆施工管理。本研究引入梯度提升树（Gradient Boosting Trees, GBT）模型，旨在对灌浆过程中的单位耗灰量进行预测，并采用TPE（Tree-Structured Parzen Estimator）算法对GBT模型进行了超参数优化，以提升模型的预测准确性和泛化能力。研究结果表明:（1）TPE-GBT模型在预灌浆中的评估参数决定系数R²达到了0.80，平均绝对百分比误差（MAPE）降至0.2414；在后灌浆中，模型的R²进一步提升至0.84，MAPE降至0.2810，均处于可接受的预测精度范围内，相较于传统的线性回归模型和GBT模型预测精度明显提高。（2）通过SHAP（Shapley Additive Explanations）值对输入参数进行敏感性分析，发现灌前透水率对模型预测的贡献最为显著，是灌浆工程中的关键控制参数。（3）在围岩条件一定的情况下，选取合适的灌浆压力并采用分序施工的方式可以提升灌浆渗控效果。研究成果为灌浆量预测提供了切实可行的思路，对灌浆智能控制与精细化管理具有重要意义。