丁 炜 1，徐 毅 2，金有杰 1，张 日 1，陈建宁 1

(1. 水利部南京水利水文自动化研究所，江苏 南京 210012;2. 靖江市水利局规划建设科，江苏 靖江 214500)

　　摘 要：大坝潜在风险预测在降低大坝溃坝概率和减少水库大坝失事方面发挥着重要作用。利用随机森林方法构 建基于数据驱动的大坝潜在风险预测模型，可以减少建模过程中的人工干预，实现风险预测高效化、智能化。首先 预处理大坝基础数据资料，构建训练和测试数据集，然后构建大坝风险预测模型并用训练数据训练模型，利用网格 搜索和交叉验证确定模型最优参数，最后通过模型评价指标和多种算法对比结果全面评估模型性能。实验结果表 明：基于随机森林的风险预测模型在测试数据上的准确率为 90.54%，相较于 ANN (人工神经网络)，KNN (最邻近)， SVM (支持向量机)算法分别高出 4.87%，18.59%，37.93%，满足实际应用的需求。

　　关键词：大坝;风险预测;随机森林;网格搜索;交叉验证