黄 思 岚，杨 杰，屈 旭 东

(1.西安理工大学 水利水电学院，陕西 西安 710048； 2.西安理工大学 西北旱区生态水利工程国家重点实验室培育基地，陕西 西安 710048)

对混凝土坝变形监测数据进行分析是坝体及坝基安全性态评价的重要内容[1-2]，而通过各种数学、力学、有限元等方法对监测数据建立监测模型是了解大坝安全的重要定量分析方法。目前，应用较多的混凝土坝安全监测模型有统计模型、确定性模型、混合型模型和组合模型等[3]，不同的模型具有不同的优缺点[4-6]，有的具有较强的非线性拟合能力[7]，有的具有自学习能力[8]。但多数监测模型对监测数据在完整性、代表性、有效性等方面的要求较高，对于非稳定性数据序列则常会表现出模型预测精度不高、泛化性较差、受训练样本分布影响较大问题，影响了模型的可靠性和实用性。因此，如何合理选取影响大坝变形的影响因子，并对其监测数据进行预处理，从而保证数据的可靠性，最终提高监测模型的精确性、稳定性及泛化性是目前安全监测研究的热点问题之一[9-10]。

针对上述问题，本文引入邻域粗糙集理论(Neighborhood Rough Set，NRS)和随机森林算法(Random Forest，RF)。邻域粗糙集理论[11]可对影响混凝土坝变形的影响因子进行约简，消除冗余信息，能有效处理复杂变量间的多重共线性问题，从而提高监测模型的解释能力。随机森林算法[12-14]适用于非稳定性数据，且不易出现过拟合现象，预测精度较高。基于上述两种方法，建立NRS-RF安全监测模型，从而实现对混凝土坝变形的高精准预测。……