• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于XGBoost的水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)

    2023-06-27 03:57:20丁煒金有杰張日俞蕊
    人民長(zhǎng)江 2023年4期
    關(guān)鍵詞:大壩準(zhǔn)確率水庫(kù)

    丁煒 金有杰 張日 俞蕊 

    摘要:水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)評(píng)估是水庫(kù)大壩風(fēng)險(xiǎn)評(píng)估體系的重要組成部分,然而水庫(kù)大壩基礎(chǔ)設(shè)施數(shù)據(jù)量大、數(shù)據(jù)特征多、還存在數(shù)據(jù)缺失的情況。XGBoost算法作為一種基于決策樹(shù)的集成算法,在應(yīng)對(duì)大規(guī)模含有缺失情況的、具有混合類型的特征數(shù)據(jù)方面具有獨(dú)特優(yōu)勢(shì)。為了更快速準(zhǔn)確地對(duì)水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)進(jìn)行評(píng)估,提出了一種基于XGBoost的水庫(kù)大壩設(shè)施潛在風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)方法。首先將水庫(kù)大壩統(tǒng)計(jì)數(shù)據(jù)進(jìn)行預(yù)處理,并用該數(shù)據(jù)對(duì)XGBoost模型進(jìn)行訓(xùn)練,然后通過(guò)GridSearch和Cross-validation計(jì)算模型最優(yōu)參數(shù),最后根據(jù)準(zhǔn)確率、召回率等精度指標(biāo)對(duì)模型進(jìn)行評(píng)價(jià)。預(yù)測(cè)結(jié)果表明:XGBoost在測(cè)試集上的準(zhǔn)確率達(dá)91.26%,相比于其他4種常規(guī)機(jī)器模型(隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、最鄰近算法、支持向量機(jī))高出2.12%,5.59%,19.31%,38.65%,滿足工程實(shí)際的要求。

    關(guān) 鍵 詞:水庫(kù)大壩; 風(fēng)險(xiǎn)評(píng)估預(yù)測(cè); 準(zhǔn)確率; 召回率; XGBoost

    中圖法分類號(hào): TV63

    文獻(xiàn)標(biāo)志碼: A

    DOI:10.16232/j.cnki.1001-4179.2023.04.035

    0 引 言

    第一次全國(guó)水利普查報(bào)告以及相關(guān)的統(tǒng)計(jì)數(shù)據(jù)顯示,中國(guó)大陸地區(qū)共有水庫(kù)98 002座,其中小型水庫(kù)93 308座,中型水庫(kù)3 938座,大型水庫(kù)756座,總庫(kù)容達(dá)到9 323.12億m3,有相當(dāng)一部分興建于1950~1970年間[1-2]。受限于當(dāng)時(shí)科學(xué)技術(shù)發(fā)展水平以及經(jīng)濟(jì)條件,部分大壩存在設(shè)計(jì)缺陷、施工質(zhì)量[3-4]等病險(xiǎn)問(wèn)題。由于水庫(kù)數(shù)量眾多、分布較廣,難以通過(guò)專家判斷的方式評(píng)估每座水庫(kù)基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)。因此,如何準(zhǔn)確、快速地評(píng)估水庫(kù)大壩基礎(chǔ)設(shè)施風(fēng)險(xiǎn)便成為亟需解決的問(wèn)題。

    國(guó)內(nèi)外在水庫(kù)風(fēng)險(xiǎn)評(píng)估方面已有一定的研究,Chauhan等[5]將不確定性分析和水庫(kù)大壩風(fēng)險(xiǎn)評(píng)估相結(jié)合,更為全面準(zhǔn)確地評(píng)估多種因素下的水庫(kù)大壩風(fēng)險(xiǎn);Xin等[6]利用影響尾礦壩變形和穩(wěn)定的壩體材料、壩高等影響因素構(gòu)建水庫(kù)大壩風(fēng)險(xiǎn)評(píng)估體系,并建立了基于風(fēng)險(xiǎn)評(píng)估指標(biāo)法的風(fēng)險(xiǎn)評(píng)估模型;Kuo等[7]在納入水庫(kù)特性不確定性和水文事件自然隨機(jī)性的基礎(chǔ)上,通過(guò)考慮溢洪道閘門(mén)的可用性來(lái)評(píng)估水庫(kù)大壩的溢流風(fēng)險(xiǎn),結(jié)果表明考慮到基礎(chǔ)設(shè)施可用性的風(fēng)險(xiǎn)高于不考慮溢洪道閘門(mén)可用性的風(fēng)險(xiǎn);Pinto等[8]提出了一種小型水庫(kù)大壩安全指數(shù)(SDSI),構(gòu)建了具備分類標(biāo)準(zhǔn)的評(píng)價(jià)矩陣,用以評(píng)估水庫(kù)大壩的安全性,并且能夠?yàn)樾⌒退畮?kù)大壩維護(hù)行動(dòng)優(yōu)先級(jí)的確定提供支持;Smith[9]采用貝葉斯網(wǎng)絡(luò)分析了巖土、水文、結(jié)構(gòu)等風(fēng)險(xiǎn)因素,確定了對(duì)總體風(fēng)險(xiǎn)影響最大的因素;Li等[10]基于AHP方法篩選出12個(gè)風(fēng)險(xiǎn)指標(biāo),并采用動(dòng)態(tài)灰色關(guān)聯(lián)分析法預(yù)測(cè)了尾礦壩動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí),實(shí)現(xiàn)了風(fēng)險(xiǎn)等級(jí)的智能化評(píng)估;徐耀等[11]采用主成分分析法確定了影響水庫(kù)大壩的主要風(fēng)險(xiǎn)指標(biāo);楊德瑋等[12]以脆弱度和后果系數(shù)為依據(jù)建立水庫(kù)風(fēng)險(xiǎn)指數(shù),并對(duì)實(shí)際案例進(jìn)行了分析;周端祺等[13]基于層次分析法,以脆弱度和模糊數(shù)學(xué)為工具,構(gòu)建了水庫(kù)大壩風(fēng)險(xiǎn)評(píng)價(jià)體系。隨著人工智能技術(shù)的快速發(fā)展,各種機(jī)器學(xué)習(xí)算法逐漸在水庫(kù)大壩風(fēng)險(xiǎn)評(píng)估領(lǐng)域得到應(yīng)用并取得了較好的效果,Mcmanamay等[14]利用美國(guó)水庫(kù)大壩統(tǒng)計(jì)數(shù)據(jù),建立了基于決策樹(shù)的水庫(kù)大壩風(fēng)險(xiǎn)評(píng)價(jià)模型,實(shí)現(xiàn)了水庫(kù)大壩風(fēng)險(xiǎn)的快速評(píng)估;Assaad等[15]利用ANN等機(jī)器學(xué)習(xí)方法建立了水庫(kù)大壩風(fēng)險(xiǎn)預(yù)測(cè)模型,用以評(píng)估水庫(kù)大壩的安全風(fēng)險(xiǎn)等級(jí)。

    水庫(kù)大壩基礎(chǔ)設(shè)施數(shù)據(jù)量大、數(shù)據(jù)特征多,還存在缺失情況。XGBoost算法是一種集成機(jī)器學(xué)習(xí)算法,在處理大規(guī)模水庫(kù)大壩基礎(chǔ)特征數(shù)據(jù)時(shí)更高效、快速,面對(duì)缺失情況還具有一定的魯棒性,同時(shí)在模型構(gòu)建、模型優(yōu)化等方面能夠減少主觀因素。因此本文選取XGBoost算法構(gòu)建水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)評(píng)估模型,旨在為水庫(kù)大壩早期風(fēng)險(xiǎn)預(yù)警提供一種簡(jiǎn)便有效的手段,為水庫(kù)大壩進(jìn)行全面風(fēng)險(xiǎn)評(píng)估提供支持。

    1 研究方法

    1.1 XGBoost基本原理及參數(shù)

    XGBoost全名為eXtreme Gradient Boosting,是一種基于樹(shù)的集成模型,它的核心思想就是在訓(xùn)練過(guò)程中不停將特征參數(shù)作為變量加入目標(biāo)函數(shù),通過(guò)新的目標(biāo)函數(shù)擬合損失函數(shù),并在訓(xùn)練中不斷地調(diào)整特征權(quán)重,以達(dá)到最好的效果。

    1.2 潛在風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)流程

    本文主要研究思路是利用機(jī)器學(xué)習(xí)模型從水庫(kù)大壩基礎(chǔ)設(shè)施相關(guān)數(shù)據(jù)中學(xué)習(xí)風(fēng)險(xiǎn)評(píng)估的一般規(guī)律,使其能通過(guò)水庫(kù)大壩基礎(chǔ)設(shè)施數(shù)據(jù)評(píng)估預(yù)測(cè)大壩的風(fēng)險(xiǎn)等級(jí)。潛在風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)的流程如圖1所示。

    (1) 數(shù)據(jù)清洗。由于主觀和客觀因素,研究數(shù)據(jù)中大多存在數(shù)據(jù)缺失、內(nèi)容格式異常等問(wèn)題,無(wú)法直接讀入模型訓(xùn)練,因此首先需要查看各字段數(shù)據(jù)類型、數(shù)據(jù)缺失、異常值分布情況,然后將不符合要求的數(shù)據(jù)進(jìn)行相應(yīng)的處理。

    (2) 數(shù)據(jù)編碼。模型對(duì)于輸入數(shù)據(jù)格式和類型有一定的要求,通常數(shù)據(jù)包含文本型、數(shù)值型等多種類型,因此在輸入模型前需對(duì)文本數(shù)據(jù)編碼。當(dāng)前主要編碼方式有LabelEncoder和OneHot。

    (3) 模型優(yōu)化。模型優(yōu)化是指通過(guò)對(duì)模型參數(shù)調(diào)整使得該模型在訓(xùn)練樣本上獲得高預(yù)測(cè)準(zhǔn)確度,并且在對(duì)未知數(shù)據(jù)預(yù)測(cè)時(shí)能夠有良好的表現(xiàn)。

    (4) 模型評(píng)估。模型在訓(xùn)練數(shù)據(jù)上的準(zhǔn)確率無(wú)法表明其性能優(yōu)劣,需要用測(cè)試數(shù)據(jù)來(lái)綜合評(píng)估模型性能,常用的評(píng)價(jià)指標(biāo)依據(jù)有Precision、Recall、混淆矩陣、總體精度等。

    1.3 模型評(píng)估方法

    為了能客觀評(píng)估模型的評(píng)估預(yù)測(cè)能力,采用混淆矩陣對(duì)模型進(jìn)行綜合評(píng)價(jià)?;煜仃囀且环N可視化的、能比較分類結(jié)果和真實(shí)值的可視化工具,基本結(jié)構(gòu)如表1所列,其主要評(píng)價(jià)指標(biāo)包括準(zhǔn)確率(Accuracy)、精確率(Precision)、召回率(Recall)以及F-Score。

    由此評(píng)價(jià)指標(biāo)可分別表示為

    式中:Accuracy(準(zhǔn)確率)為測(cè)試數(shù)據(jù)中分類正確的樣本占全部樣本的比值;Precision(精確率)為測(cè)試數(shù)據(jù)中預(yù)測(cè)結(jié)果為正確類別(類別1)的樣本在分類結(jié)果中的比例;Recall(召回率)表示實(shí)際為類別1的樣本中被預(yù)測(cè)為類別1的比例;F-Score為衡量Precision和Recall的調(diào)和值,它能較為全面地評(píng)估模型分類能力;β為Precision和Recall的權(quán)重。

    2 實(shí)例評(píng)估與結(jié)果驗(yàn)證

    2.1 研究數(shù)據(jù)

    本文選擇2019年美國(guó)水庫(kù)大壩清單(National Inventory of Dams)作為研究數(shù)據(jù),該數(shù)據(jù)將水庫(kù)大壩潛在風(fēng)險(xiǎn)等級(jí)分成3類,如表2所列。從中選取39 396條數(shù)據(jù)并篩選出25項(xiàng)大壩重要基礎(chǔ)特征,特征情況如表3所列。

    2.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)預(yù)處理的好壞將直接影響模型的預(yù)測(cè)能力,依據(jù)模型要求對(duì)輸入數(shù)據(jù)采用的預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)編碼。

    本文研究數(shù)據(jù)為實(shí)地勘測(cè)和統(tǒng)計(jì)數(shù)據(jù),針對(duì)特征數(shù)據(jù)中存在的數(shù)據(jù)內(nèi)容、數(shù)據(jù)格式異常等問(wèn)題,通過(guò)數(shù)據(jù)清洗使其符合模型要求,并將特征數(shù)據(jù)缺失嚴(yán)重的刪除。

    針對(duì)研究數(shù)據(jù)包含文本數(shù)據(jù)、數(shù)值數(shù)據(jù)等多類型的情況,通過(guò)數(shù)據(jù)編碼將數(shù)據(jù)形式進(jìn)行統(tǒng)一。

    以處理后的數(shù)據(jù)為基礎(chǔ),隨機(jī)選取80%數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),剩余20%數(shù)據(jù)作為測(cè)試集數(shù)據(jù)。為防止數(shù)據(jù)泄露,在訓(xùn)練階段測(cè)試數(shù)據(jù)不參與模型訓(xùn)練的任何過(guò)程,確保能科學(xué)評(píng)估模型的評(píng)估預(yù)測(cè)能力。

    2.3 模型最優(yōu)參數(shù)設(shè)置

    模型最優(yōu)參數(shù)計(jì)算采用網(wǎng)格搜索和交叉驗(yàn)證相結(jié)合的方式,首先將數(shù)據(jù)集分為k個(gè)子集,將其中1個(gè)子集作為測(cè)試樣本,k-1個(gè)子集作為訓(xùn)練樣本;在此基礎(chǔ)上將k-1個(gè)訓(xùn)練樣本輸入模型訓(xùn)練,并使用網(wǎng)格搜索獲取最優(yōu)參數(shù),計(jì)算其預(yù)測(cè)準(zhǔn)確度;通過(guò)交叉驗(yàn)證k次并計(jì)算k次結(jié)果的平均值。本文最終參數(shù)選擇結(jié)果見(jiàn)表4。

    2.4 實(shí)驗(yàn)結(jié)果分析與討論

    將訓(xùn)練模型應(yīng)用于測(cè)試集數(shù)據(jù),評(píng)估水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)并獲得每個(gè)特征因子的重要性排序結(jié)果,如圖2所示。在25個(gè)特征中,檢查頻次、筑壩材料、防滲體類型、閘門(mén)寬度和閘門(mén)數(shù)量的重要性顯著高于其他特征。相關(guān)研究結(jié)果表明,在實(shí)際工程狀況下,筑壩材料和防水材料分別對(duì)水庫(kù)大壩的變形和滲流有著重要影響[10],例如1908年美國(guó)赫勒拿的豪瑟水庫(kù)因水壩建造材質(zhì)以及結(jié)構(gòu)問(wèn)題使得在面對(duì)洪水時(shí)出現(xiàn)潰壩;而水庫(kù)大壩閘門(mén)寬度、閘門(mén)數(shù)量決定了水庫(kù)的泄洪能力,在歷史潰壩事件中,水庫(kù)泄洪能力不足、無(wú)法及時(shí)泄洪是潰壩發(fā)生的重要原因之一;在水庫(kù)大壩建成后大壩安全檢查是確保水庫(kù)大壩安全極為重要的一環(huán),大壩安全檢查具有及時(shí)性、全面性和直觀性的特點(diǎn),能及時(shí)發(fā)現(xiàn)滲流、裂縫、設(shè)備故障等重大安全隱患,增加檢查頻次能極大提升大壩的安全性,這表明模型對(duì)于水庫(kù)大壩基礎(chǔ)潛在風(fēng)險(xiǎn)的預(yù)測(cè)評(píng)估具有一定的合理性。

    分類結(jié)果預(yù)測(cè)準(zhǔn)確度如圖3混淆矩陣所示,高風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率為95%,中風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率為89%,低風(fēng)險(xiǎn)準(zhǔn)確率為91%。利用式(11)計(jì)算可得模型預(yù)測(cè)結(jié)果總體準(zhǔn)確率為91.3%。水庫(kù)大壩失事往往會(huì)帶來(lái)極為嚴(yán)重的后果,因此工程應(yīng)用中對(duì)高風(fēng)險(xiǎn)等級(jí)的預(yù)測(cè)準(zhǔn)確率有著較高的要求。而本文模型高風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確度達(dá)到95%,并且總體準(zhǔn)確率超過(guò)90%,滿足實(shí)際應(yīng)用的需要。為了更為全面地評(píng)估模型,利用公式(12)~(14)計(jì)算Precision(精確率)、Recall(召回率)和F-Score,從表5中可以看到3種分類結(jié)果的F-Score均超過(guò)90%,表明模型預(yù)測(cè)準(zhǔn)確率具有高可靠性。

    為進(jìn)一步驗(yàn)證XGBoost相較于其他方法的優(yōu)越性,現(xiàn)將XGBoost與最鄰近算法(KNN)、人工神經(jīng)網(wǎng)絡(luò)算法(ANN)、支持向量機(jī)(SVM)、隨機(jī)森林算法(RandomForest)等研究方法進(jìn)行對(duì)比,結(jié)果如表6所列。從準(zhǔn)確率來(lái)看,5種模型中SVM和KNN表現(xiàn)不盡人意,準(zhǔn)確率僅有52.61%和71.95%,其主要原因是采用的研究數(shù)據(jù)是實(shí)際數(shù)據(jù),數(shù)據(jù)缺失值較多,而SVM和KNN對(duì)于缺失值極為敏感,因此準(zhǔn)確率較低。相比SVM和KNN模型,神經(jīng)網(wǎng)絡(luò)和極限梯度提升樹(shù)模型在應(yīng)對(duì)存在缺失值的數(shù)據(jù)集有更好的表現(xiàn),故ANN、RandomForest和XGBoost準(zhǔn)確率更高,其中XGBoost準(zhǔn)確率達(dá)到91.26%,分別比ANN模型、RandomForest模型高5.59%和2.12%,這充分說(shuō)明XGBoost不僅預(yù)測(cè)精度優(yōu)于其他模型,并且受缺失數(shù)據(jù)的影響較小,具有一定的魯棒性,適合在工程實(shí)際中推廣應(yīng)用。

    3 結(jié) 論

    迅速準(zhǔn)確地評(píng)估水庫(kù)大壩基礎(chǔ)設(shè)施潛在風(fēng)險(xiǎn)對(duì)降低水庫(kù)大壩失事風(fēng)險(xiǎn)有著重要意義。本文結(jié)合水庫(kù)大壩基礎(chǔ)資料,提出了基于XGBoost的水庫(kù)大壩潛在風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)模型,實(shí)驗(yàn)結(jié)果表明,該模型與SVM、KNN、ANN、RandomForest等模型相比,預(yù)測(cè)能力更加突出,在準(zhǔn)確率、召回率和F-score指標(biāo)上均優(yōu)于其他模型,能準(zhǔn)確地評(píng)估預(yù)測(cè)水庫(kù)大壩風(fēng)險(xiǎn)等級(jí);同時(shí)該模型受數(shù)據(jù)缺失的影響較小,具有良好的泛化性能,能夠在實(shí)際場(chǎng)景中進(jìn)行使用。

    然而,潛在風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)研究以水庫(kù)大壩基礎(chǔ)特征為主,尚未將全部影響因素納入研究范圍,后續(xù)可以結(jié)合洪水、滲流、降雨等動(dòng)態(tài)風(fēng)險(xiǎn)因子,針對(duì)水庫(kù)大壩風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警做進(jìn)一步研究。

    參考文獻(xiàn):

    [1]中華人民共和國(guó)水利部,中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局.第一次全國(guó)水利普查公報(bào)[J].中國(guó)水利,2013(7):1-2.

    [2]黃強(qiáng),劉東,魏曉婷,等.中國(guó)筑壩數(shù)量世界之最原因分析[J].水力發(fā)電學(xué)報(bào),2021,40(9):35-45.

    [3]楊啟貴,高大水.我國(guó)病險(xiǎn)水庫(kù)加固技術(shù)現(xiàn)狀及展望[J].人民長(zhǎng)江,2011,42(12):6-11.

    [4]孫繼昌.中國(guó)的水庫(kù)大壩安全管理[J].中國(guó)水利,2008(20):10-14.

    [5]CHAUHAN S S,BOWLES D S.Dam safety risk assessment with uncertainty analysis[J].Ancold Bulletin,2004:73-88.

    [6]XIN Z,KAILI X.Study on the risk assessment of the tailings dam break[J].Procedia Engineering,2011,26:2261-2269.

    [7]KUO J T,HSU Y C,TUNG Y K,et al.Dam overtopping risk assessment considering inspection program[J].Stochastic Environmental Research and Risk Assessment,2008,22(3):303-313.

    [8]PINTO W L H,F(xiàn)AIS L M C F.The small dam safety index(SDSI):a tool for small dam safety assessment[J].International Journal of River Basin Management,2022:1-26.

    [9]SMITH M.Dam risk analysis using Bayesian networks[J].ECI Digital Archives,2006,43:51-62.

    [10]LI W,YE Y,HU N,et al.Real-time warning and risk assessment of tailings dam disaster status based on dynamic hierarchy-grey relation analysis[J].Complexity,2019,26:711-736.

    [11]徐耀,趙春,汪洋.基于主成分分析法的水庫(kù)大壩風(fēng)險(xiǎn)排序綜合指標(biāo)研究[J].水利發(fā)展研究,2018,18(2):43-47.

    [12]楊德瑋,彭雪輝,盛金保.基于大壩缺陷的群壩風(fēng)險(xiǎn)排序方法研究[J].安全與環(huán)境學(xué)報(bào),2016,16(2):11-15.

    [13]周端祺,周志維.基于模糊層次分析法的大壩風(fēng)險(xiǎn)評(píng)價(jià)方法研究[J].江西水利科技,2019,45(4):235-240,246.

    [14]MCMANAMAY R A,OIGBOKIE C O,KAO S C,et al.Classification of US hydropower dams by their modes of operation[J].River Research and Applications,2016,32(7):1450-1468.

    [15]ASSAAD R,EL-ADAWAY I H.Evaluation and prediction of the hazard potential level of dam infrastructures using computational artificial intelligence algorithms[J].Journal of Management in Engineering,2020,36(5):04020051.

    (編輯:胡旭東)

    Evaluation and prediction of potential risks of reservoir dam infrastructures based on XGBoost

    DING Wei1,JIN Youjie1,2,ZHANG Ri1,YU Rui1

    (1.Nanjing Research Institute of Hydrology and Water Conservation Automation of MWR,Nanjing 210012,China; 2.Hydrology and Water Resources Engineering Research Center for Monitoring of MWR,Nanjing 210012,China)

    Abstract:

    The potential risk evaluation of the reservoir dam infrastructures is an important part of the reservoir dam risk evaluation system.However,the monitoring data of reservoir dam infrastructures is large with many characteristics and easy to lose.As an integrated algorithm based on decision tree,XGBoost algorithm has unique advantages in dealing with feature data with large-scale missing data and mixed type.Therefore,in order to evaluate the potential risk of reservoir dam infrastructures quickly and accurately,this paper proposed a potential risk assessment and prediction method for reservoir dam infrastructures based on XGBoost.Firstly,the reservoir dam monitoring data was preprocessed,and the XGBoost model was trained with the data.Then,the optimal parameters of the model were calculated by GridSearch and Cross-validation.Finally,the model was evaluated according to accuracy indicators such as accuracy and recall rate.The prediction results showed that the accuracy of XGBoost on the test set reached 91.26%,which was 2.12%,5.59%,19.31% and 38.65% higher than the other four conventional machine models (random forest,artificial neural network,nearest neighbor algorithm and support vector machine).The proposed model can meet the requirements of engineering practice.

    Key words: reservoir dam;risk evaluation and prediction;accuracy;recall rate;XGBoost

    收稿日期:2022-04-01

    基金項(xiàng)目:中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(Y520022,Y520009)

    作者簡(jiǎn)介:丁 煒,男,助理工程師,碩士,研究方向?yàn)樗畔⒒皺C(jī)器學(xué)習(xí)。 E-mail:dingwei@nsy.com.cn

    猜你喜歡
    大壩準(zhǔn)確率水庫(kù)
    中型水庫(kù)的工程建設(shè)與管理探討
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    出山店水庫(kù)
    白沙水庫(kù)
    高速公路車(chē)牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    大壩:力與美的展現(xiàn)
    出山店水庫(kù)
    幫海貍建一座大壩
    国产美女午夜福利| 啦啦啦韩国在线观看视频| 久久久久国产网址| 91久久精品电影网| 久久精品夜夜夜夜夜久久蜜豆| 国产国拍精品亚洲av在线观看| 日本免费a在线| 亚洲欧美日韩高清专用| 十八禁国产超污无遮挡网站| 国产白丝娇喘喷水9色精品| 天堂中文最新版在线下载 | 国产亚洲91精品色在线| 男插女下体视频免费在线播放| 国产一级毛片在线| 久久久久免费精品人妻一区二区| 蜜臀久久99精品久久宅男| 五月玫瑰六月丁香| 国产亚洲精品久久久com| 人妻久久中文字幕网| 久久久欧美国产精品| 永久网站在线| 亚洲国产欧美在线一区| 性插视频无遮挡在线免费观看| 国产亚洲欧美98| 99久久精品一区二区三区| 国产高清不卡午夜福利| 色综合亚洲欧美另类图片| 天美传媒精品一区二区| 特大巨黑吊av在线直播| 国产精品乱码一区二三区的特点| 免费观看a级毛片全部| 激情 狠狠 欧美| 麻豆国产av国片精品| 国产大屁股一区二区在线视频| 国产精品乱码一区二三区的特点| 欧美bdsm另类| 亚洲国产精品成人综合色| 国产日本99.免费观看| 国产探花在线观看一区二区| 边亲边吃奶的免费视频| 少妇丰满av| 床上黄色一级片| 成人午夜高清在线视频| 男人的好看免费观看在线视频| 国产真实乱freesex| 亚洲欧美精品综合久久99| 精品国内亚洲2022精品成人| 不卡视频在线观看欧美| 高清午夜精品一区二区三区 | 乱人视频在线观看| 成人特级av手机在线观看| av专区在线播放| 欧美高清成人免费视频www| 中国美白少妇内射xxxbb| 成人高潮视频无遮挡免费网站| 看十八女毛片水多多多| 小说图片视频综合网站| 身体一侧抽搐| 99久久久亚洲精品蜜臀av| 国产极品天堂在线| 97超视频在线观看视频| 一本久久精品| 免费人成在线观看视频色| 亚洲欧美精品自产自拍| 91麻豆精品激情在线观看国产| 欧美成人a在线观看| 精品久久久久久成人av| 全区人妻精品视频| 国产成人精品婷婷| 国产黄色视频一区二区在线观看 | 精品一区二区三区人妻视频| 精品久久久久久久久av| 非洲黑人性xxxx精品又粗又长| 国产精品电影一区二区三区| 亚洲精品日韩在线中文字幕 | 婷婷亚洲欧美| 欧美bdsm另类| 亚洲欧美日韩卡通动漫| 如何舔出高潮| 熟女电影av网| 久久精品综合一区二区三区| 久久99热6这里只有精品| 欧美日本视频| 国产不卡一卡二| 天美传媒精品一区二区| 久久久久久久久久久丰满| 看十八女毛片水多多多| 国产精品人妻久久久影院| 午夜福利视频1000在线观看| 老师上课跳d突然被开到最大视频| 亚洲经典国产精华液单| 日韩三级伦理在线观看| 日韩 亚洲 欧美在线| 亚洲丝袜综合中文字幕| 男人舔奶头视频| 中文字幕熟女人妻在线| 国产精品蜜桃在线观看 | 亚洲精品国产成人久久av| 99热6这里只有精品| 看黄色毛片网站| 亚洲真实伦在线观看| 乱人视频在线观看| 高清毛片免费看| 夫妻性生交免费视频一级片| 亚洲18禁久久av| 久久久色成人| 欧美日本视频| 国产伦精品一区二区三区视频9| 久久韩国三级中文字幕| 日本一本二区三区精品| 亚洲激情五月婷婷啪啪| 日日干狠狠操夜夜爽| 精品久久久久久成人av| 国内精品美女久久久久久| 国产精品三级大全| 一级毛片我不卡| 观看美女的网站| 日韩一本色道免费dvd| 亚洲精品日韩在线中文字幕 | 欧美色视频一区免费| 少妇人妻精品综合一区二区 | 看黄色毛片网站| 变态另类成人亚洲欧美熟女| 日韩av不卡免费在线播放| 久久久午夜欧美精品| 国内揄拍国产精品人妻在线| 国产国拍精品亚洲av在线观看| 色播亚洲综合网| 狂野欧美白嫩少妇大欣赏| 国产精品伦人一区二区| 中文字幕久久专区| 欧美激情国产日韩精品一区| 中文字幕av成人在线电影| 色吧在线观看| 99热6这里只有精品| 久久久久久久久久成人| 91麻豆精品激情在线观看国产| 久久午夜亚洲精品久久| 国产精品99久久久久久久久| 精品国产三级普通话版| 国产黄色视频一区二区在线观看 | 国产精品无大码| 免费看美女性在线毛片视频| 成年av动漫网址| 亚洲经典国产精华液单| 久久国产乱子免费精品| 长腿黑丝高跟| 久久欧美精品欧美久久欧美| 亚洲内射少妇av| 午夜精品在线福利| 日本一本二区三区精品| 亚洲中文字幕日韩| 亚洲自偷自拍三级| 日本欧美国产在线视频| 一本精品99久久精品77| 国产精品国产高清国产av| 欧美日本亚洲视频在线播放| 色综合站精品国产| 亚洲国产精品成人久久小说 | 国产精品福利在线免费观看| 少妇的逼好多水| 亚洲最大成人手机在线| 又爽又黄a免费视频| 免费av不卡在线播放| 久久99热这里只有精品18| 性插视频无遮挡在线免费观看| 成人二区视频| 欧美+日韩+精品| 五月伊人婷婷丁香| or卡值多少钱| 女人被狂操c到高潮| 国产成人一区二区在线| 亚洲国产高清在线一区二区三| 91久久精品电影网| 久久99热这里只有精品18| 女人十人毛片免费观看3o分钟| 麻豆国产av国片精品| 国产亚洲欧美98| 国产欧美日韩精品一区二区| 午夜视频国产福利| 不卡一级毛片| 国产 一区精品| 97超视频在线观看视频| av视频在线观看入口| 18禁在线无遮挡免费观看视频| 啦啦啦啦在线视频资源| 久久这里有精品视频免费| 精品不卡国产一区二区三区| 欧美日本亚洲视频在线播放| 床上黄色一级片| 国产亚洲av嫩草精品影院| 99久国产av精品| 麻豆一二三区av精品| 成人特级黄色片久久久久久久| 草草在线视频免费看| 超碰av人人做人人爽久久| 亚洲不卡免费看| 麻豆久久精品国产亚洲av| 一级毛片久久久久久久久女| 老师上课跳d突然被开到最大视频| 久久精品人妻少妇| 亚洲va在线va天堂va国产| 国产精品国产高清国产av| 亚洲av免费在线观看| 秋霞在线观看毛片| 亚洲中文字幕日韩| 99国产精品一区二区蜜桃av| 免费观看精品视频网站| 男女下面进入的视频免费午夜| 国产亚洲精品久久久com| 91精品一卡2卡3卡4卡| 久久婷婷人人爽人人干人人爱| 人妻少妇偷人精品九色| 亚洲国产精品合色在线| 有码 亚洲区| 女的被弄到高潮叫床怎么办| 亚洲中文字幕日韩| 岛国在线免费视频观看| 午夜视频国产福利| 男女下面进入的视频免费午夜| av女优亚洲男人天堂| 不卡视频在线观看欧美| 国产精品,欧美在线| 在现免费观看毛片| 国内精品一区二区在线观看| 久久久精品94久久精品| 老师上课跳d突然被开到最大视频| 午夜福利在线在线| 日本欧美国产在线视频| 黄色一级大片看看| 中文精品一卡2卡3卡4更新| 蜜桃亚洲精品一区二区三区| 亚洲av中文av极速乱| 一区二区三区免费毛片| 久久久久久久久久成人| 国产国拍精品亚洲av在线观看| 成人亚洲精品av一区二区| 1000部很黄的大片| 国产成人a∨麻豆精品| 亚洲欧美日韩高清在线视频| 3wmmmm亚洲av在线观看| 韩国av在线不卡| 熟女电影av网| 嫩草影院入口| 久久精品国产亚洲av涩爱 | 国产午夜精品一二区理论片| 亚洲av免费在线观看| 女的被弄到高潮叫床怎么办| 久久99蜜桃精品久久| 日本一二三区视频观看| 成人高潮视频无遮挡免费网站| 国产精品三级大全| 亚洲欧美日韩高清在线视频| 高清日韩中文字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 麻豆久久精品国产亚洲av| 国产成人a∨麻豆精品| 国产在线男女| 丰满的人妻完整版| 成年av动漫网址| 欧美又色又爽又黄视频| 麻豆成人午夜福利视频| 精品熟女少妇av免费看| 最后的刺客免费高清国语| 成人永久免费在线观看视频| 一边亲一边摸免费视频| 国产av一区在线观看免费| 此物有八面人人有两片| 99久久精品国产国产毛片| 成人高潮视频无遮挡免费网站| 久久精品综合一区二区三区| 精品国内亚洲2022精品成人| av又黄又爽大尺度在线免费看 | 啦啦啦观看免费观看视频高清| 国产午夜精品久久久久久一区二区三区| 国产老妇伦熟女老妇高清| 欧美不卡视频在线免费观看| 天美传媒精品一区二区| 国产亚洲精品av在线| 亚洲国产欧美在线一区| 真实男女啪啪啪动态图| 久久99热这里只有精品18| 性欧美人与动物交配| 麻豆久久精品国产亚洲av| 亚洲五月天丁香| 麻豆成人av视频| 哪里可以看免费的av片| 国产色爽女视频免费观看| 精华霜和精华液先用哪个| 亚洲人与动物交配视频| 国产女主播在线喷水免费视频网站 | 美女 人体艺术 gogo| 国产高清不卡午夜福利| 亚洲婷婷狠狠爱综合网| 黄色一级大片看看| 一区二区三区四区激情视频 | 99国产精品一区二区蜜桃av| 日韩国内少妇激情av| 亚洲精品国产成人久久av| 国产高清三级在线| eeuss影院久久| 久久精品国产亚洲网站| 亚洲一区二区三区色噜噜| 一夜夜www| a级一级毛片免费在线观看| 97超视频在线观看视频| av在线老鸭窝| 爱豆传媒免费全集在线观看| 国产 一区 欧美 日韩| 精品久久久久久久久亚洲| 精品无人区乱码1区二区| 午夜福利在线观看免费完整高清在 | 精品无人区乱码1区二区| 精品一区二区三区人妻视频| 亚洲最大成人手机在线| 成年版毛片免费区| 搡老妇女老女人老熟妇| 国产伦一二天堂av在线观看| 久久人人爽人人爽人人片va| 国产色婷婷99| 网址你懂的国产日韩在线| 国产一区二区在线av高清观看| 国产色爽女视频免费观看| 久久精品国产亚洲av香蕉五月| 免费观看的影片在线观看| 在线观看66精品国产| 午夜亚洲福利在线播放| 99精品在免费线老司机午夜| 国产一区二区在线av高清观看| 国产亚洲欧美98| 不卡一级毛片| 男女视频在线观看网站免费| 18+在线观看网站| 一边亲一边摸免费视频| 成年av动漫网址| 亚洲精品成人久久久久久| 给我免费播放毛片高清在线观看| 成人亚洲欧美一区二区av| 一区二区三区四区激情视频 | 色综合站精品国产| 老女人水多毛片| 亚洲综合色惰| 亚洲成a人片在线一区二区| 大型黄色视频在线免费观看| 性色avwww在线观看| 成人高潮视频无遮挡免费网站| 欧美性感艳星| 国产av麻豆久久久久久久| av又黄又爽大尺度在线免费看 | 久久精品国产99精品国产亚洲性色| 免费观看在线日韩| 99久久精品国产国产毛片| 内射极品少妇av片p| 中文字幕熟女人妻在线| 最近最新中文字幕大全电影3| www.色视频.com| 99热这里只有精品一区| 国产三级在线视频| 日本撒尿小便嘘嘘汇集6| 亚洲成人av在线免费| 美女内射精品一级片tv| 高清毛片免费看| 日本五十路高清| 欧美日本亚洲视频在线播放| 亚洲成a人片在线一区二区| 欧美又色又爽又黄视频| 国产美女午夜福利| 亚洲精品亚洲一区二区| 人妻系列 视频| 久久精品国产亚洲av涩爱 | www.av在线官网国产| 一级毛片电影观看 | 在线免费观看不下载黄p国产| 国产爱豆传媒在线观看| 日韩强制内射视频| 日韩成人伦理影院| av国产免费在线观看| 国产真实乱freesex| 国产精品综合久久久久久久免费| 97热精品久久久久久| 精品不卡国产一区二区三区| av卡一久久| 尾随美女入室| 亚洲七黄色美女视频| 久久久久久久亚洲中文字幕| 五月玫瑰六月丁香| 亚洲丝袜综合中文字幕| www.色视频.com| 中文在线观看免费www的网站| 国产极品天堂在线| 亚洲精品456在线播放app| 神马国产精品三级电影在线观看| 男人和女人高潮做爰伦理| 我的老师免费观看完整版| 欧美成人a在线观看| 在线观看66精品国产| 国产一区亚洲一区在线观看| 中文字幕久久专区| 99久久中文字幕三级久久日本| 久久人妻av系列| 深夜精品福利| 国产亚洲av片在线观看秒播厂 | 黄色欧美视频在线观看| 97在线视频观看| 干丝袜人妻中文字幕| av天堂在线播放| 一本久久中文字幕| 两个人的视频大全免费| 日日干狠狠操夜夜爽| 老熟妇乱子伦视频在线观看| 美女xxoo啪啪120秒动态图| a级一级毛片免费在线观看| 亚洲av男天堂| 直男gayav资源| 国产三级在线视频| 国产亚洲欧美98| 亚洲精品成人久久久久久| 欧美xxxx性猛交bbbb| 亚洲精品亚洲一区二区| 两个人视频免费观看高清| 一个人看视频在线观看www免费| 久久综合国产亚洲精品| 97超碰精品成人国产| 午夜亚洲福利在线播放| 欧美日本视频| 一夜夜www| 看十八女毛片水多多多| 国产高清有码在线观看视频| 国产精品.久久久| 午夜亚洲福利在线播放| 在线观看66精品国产| 禁无遮挡网站| 在线观看66精品国产| 亚洲高清免费不卡视频| 婷婷亚洲欧美| 精品免费久久久久久久清纯| .国产精品久久| 一级二级三级毛片免费看| 国产探花极品一区二区| 爱豆传媒免费全集在线观看| 国产午夜精品一二区理论片| 亚洲av一区综合| 国产精品电影一区二区三区| 淫秽高清视频在线观看| 久久人妻av系列| 亚洲av免费在线观看| 国产精品野战在线观看| 国产av不卡久久| 国产在视频线在精品| 深夜精品福利| 欧洲精品卡2卡3卡4卡5卡区| 久久婷婷人人爽人人干人人爱| 精品久久久久久久久久久久久| 欧美又色又爽又黄视频| 国产91av在线免费观看| 中国美女看黄片| a级一级毛片免费在线观看| 爱豆传媒免费全集在线观看| 久久久精品大字幕| 我的女老师完整版在线观看| 美女被艹到高潮喷水动态| 精品午夜福利在线看| 看片在线看免费视频| 高清日韩中文字幕在线| 高清在线视频一区二区三区 | 神马国产精品三级电影在线观看| 国产精品久久久久久精品电影小说 | 亚洲四区av| 精品人妻偷拍中文字幕| 成人漫画全彩无遮挡| 熟妇人妻久久中文字幕3abv| 18禁裸乳无遮挡免费网站照片| 不卡视频在线观看欧美| 欧美成人一区二区免费高清观看| 两个人的视频大全免费| 在现免费观看毛片| 久久99蜜桃精品久久| 一级黄片播放器| 黄片无遮挡物在线观看| 亚洲久久久久久中文字幕| 国产一区二区在线观看日韩| 国产色爽女视频免费观看| 亚洲精品国产成人久久av| 日韩一区二区视频免费看| 又粗又硬又长又爽又黄的视频 | 在线播放国产精品三级| 又粗又硬又长又爽又黄的视频 | 国产极品精品免费视频能看的| 在线免费十八禁| 永久网站在线| 国产中年淑女户外野战色| 精华霜和精华液先用哪个| 午夜精品国产一区二区电影 | 久久久成人免费电影| 日本一本二区三区精品| 噜噜噜噜噜久久久久久91| 国产精品野战在线观看| 一夜夜www| 你懂的网址亚洲精品在线观看 | 日本三级黄在线观看| 少妇被粗大猛烈的视频| 99热这里只有是精品50| 久久久久久国产a免费观看| 日韩一区二区视频免费看| 免费观看人在逋| 女同久久另类99精品国产91| 99久久精品国产国产毛片| 亚洲精品自拍成人| 男人和女人高潮做爰伦理| 久久人人精品亚洲av| 国产v大片淫在线免费观看| 婷婷色综合大香蕉| 亚洲av成人精品一区久久| 黄色视频,在线免费观看| 在线播放无遮挡| 69av精品久久久久久| 国产白丝娇喘喷水9色精品| 99久久精品国产国产毛片| 小说图片视频综合网站| 搡老妇女老女人老熟妇| 亚洲性久久影院| 日韩欧美三级三区| 性插视频无遮挡在线免费观看| 一本一本综合久久| 三级经典国产精品| 在线免费十八禁| 成人毛片60女人毛片免费| a级毛色黄片| 高清日韩中文字幕在线| 国产大屁股一区二区在线视频| or卡值多少钱| 久久久久久久久久久免费av| 一区二区三区免费毛片| 久久精品人妻少妇| 欧美成人免费av一区二区三区| 26uuu在线亚洲综合色| 中文字幕人妻熟人妻熟丝袜美| 国产高清激情床上av| 成人午夜精彩视频在线观看| 亚洲av熟女| 国产精品国产高清国产av| 精品欧美国产一区二区三| 国产亚洲5aaaaa淫片| 国产精品久久久久久久久免| 国产精品人妻久久久影院| 最近最新中文字幕大全电影3| 丰满人妻一区二区三区视频av| av专区在线播放| 国产不卡一卡二| 成人综合一区亚洲| 天美传媒精品一区二区| 免费无遮挡裸体视频| 给我免费播放毛片高清在线观看| 天天躁夜夜躁狠狠久久av| 久久久久性生活片| 一区福利在线观看| 国产日韩欧美在线精品| 久久久久久国产a免费观看| 欧美最黄视频在线播放免费| 色综合站精品国产| av在线亚洲专区| 欧美一区二区国产精品久久精品| 91狼人影院| 免费观看人在逋| 国产伦理片在线播放av一区 | 高清在线视频一区二区三区 | 哪里可以看免费的av片| 亚洲国产精品合色在线| 国产精品久久久久久精品电影小说 | 欧美潮喷喷水| 卡戴珊不雅视频在线播放| ponron亚洲| 麻豆乱淫一区二区| 看非洲黑人一级黄片| 小蜜桃在线观看免费完整版高清| 淫秽高清视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 菩萨蛮人人尽说江南好唐韦庄 | 久久精品综合一区二区三区| 亚洲第一电影网av| 日日啪夜夜撸| 久久人人爽人人片av| 国产精品一及| 赤兔流量卡办理| 午夜亚洲福利在线播放| 永久网站在线| 蜜桃久久精品国产亚洲av| 久久久久久九九精品二区国产| 欧美丝袜亚洲另类| 国产91av在线免费观看| 亚洲丝袜综合中文字幕| 日韩人妻高清精品专区| 可以在线观看的亚洲视频| 国产日韩欧美在线精品| 久久中文看片网| 又爽又黄无遮挡网站| 国产不卡一卡二| 乱码一卡2卡4卡精品| www日本黄色视频网| 精品久久久久久成人av| 2021天堂中文幕一二区在线观| 亚洲精品456在线播放app| 中文字幕av成人在线电影| 国产单亲对白刺激| 99久久久亚洲精品蜜臀av| 中国美女看黄片| 悠悠久久av| 日本一二三区视频观看| 亚洲精品亚洲一区二区| 女人被狂操c到高潮| 2021天堂中文幕一二区在线观| 中文字幕制服av| 色吧在线观看| 色尼玛亚洲综合影院| АⅤ资源中文在线天堂|