基于GeoStudio建模与集成学习的土石坝渗流预测模型

来源：水资源与水工程学报杂志2026年第3期北京时间：

作者：曾传越，赵新宇，钱武文，桑红辉

单位：江西水利电力大学水土保持学院

摘要：针对传统土石坝渗流预测模型与机器学习方法在建模层面难以协同互补、难以兼顾物理可解释性与非线性刻画能力的问题，提出了一种融合GeoStudio软件建模与Stacking集成学习的改进渗流预测模型，以提升模型的预测精度。该改进模型首先利用GeoStudio的SEEP/W模块开展“仅限饱和”条件下的数值模拟，随后基于Stacking集成学习框架，拟合该模型输出值与监测数据之间的残差，通过残差修正提升了模型的预测性能。相较于传统土石坝渗流预测模型，改进模型的训练集R2由0.86提升至0.96，测试集R2由0.79提升至0.89，其他各项模型评价指标（MAE、MAPE、RMSE）也显著改善。改进模型结合了软件建模和机器学习方法的优势，兼具传统模型的物理可解释性与算法的灵活性，为土石坝渗流预测提供了一种新的建模方法。

关键词：土石坝,渗流预测,滞后效应,测压管水位,集成学习,粒子群算法

基金资助：国家自然科学基金项目（52169009）；江西省水利科技重点项目（202527ZDKT09）