一种引入重点样本学习策略的大坝渗流智能预测方法

本发明公开了一种引入重点样本学习策略的大坝渗流智能预测方法，属于渗流预测技术领域，包括：建立引入重点样本学习策略的新型大坝渗流智能预测TPESampler‑IKSLS‑AdaBoost模型，其中，IKSLS‑AdaBoost模型，引入重点样本学习策略，由于不同年份内相近月份大坝外部环境量作用类似，导致大坝渗流作用也类似，因此在预测目标大坝未来某段时间待预测累积渗流量时，对于样本数据集中与目标大坝未来某段时间待预测累积渗流量的观测日日期在月份上相近的样本提高权重，进行重点学习训练，可以大幅度提高渗流预测的精度。利用TPESampler算法在非线性问题上良好的寻优能力以及基于KD树结构的高寻优效率，快速选择最优AdaBoost模型超参数组合，从而提升AdaBoost模型的预测能力。