该数据集包含来自长江阳新干堤段的73组样本数据，经过灰色关联法分析，提取了5个关键影响因子：水位高度差、覆盖层厚度、渗透系数、孔隙比及压缩系数。数据经过分析后，记录了影响堤防渗漏的主要因素，为堤防安全评估、防洪模型构建及机器学习算法的训练与验证提供了重要依据。该数据集可广泛应用于水利工程领域，推动相关研究与实际应用的发展。
本数据集来源于硕士论文《基于灰色关联和GA-DBN的长江二元堤防管涌险情预测分析》。在该研究中，采用遗传算法优化的深度信念网络（GA-DBN）方法，将收集的长江阳新干堤五个堤防渗漏因素作为实际应用案例，导入模型进行分析，从而实现堤防渗漏预测模型的应用与验证。
（1）采用深度置信网络（Deep Belief Network, DBN）模型以及结合遗传算法优化的深度置信网络（Genetic Algorithm optimized DBN, GA-DBN）模型进行堤防渗漏预测。DBN模型通过多层非线性结构，能够有效捕捉数据中的复杂特征；而GA-DBN模型则进一步结合遗传算法对网络结构和参数进行优化，从而提升了模型的预测精度和泛化能力。
（2）将数据输入支持向量机（SVM）模型，并与GA-DBN模型的训练结果进行对比分析。
基于GA-DBN模型的训练结果进行的数据质量评价表明，本数据集具有极高的质量和可靠性。在验证过程中，GA-DBN模型达到了100%的准确率、召回率、精度和F1分数，进一步验证了数据集的高质量及模型卓越的预测能力，明显优于SVM模型。这些优异的性能指标表明，在影响因子的选择、数据采集和处理过程中，数据的完整性和准确性得到了充分保障，能够有效支持堤防渗漏风险的预测和分析。
| # | 编号 | 名称 | 类型 |
| 1 | 2021YFC3000100 | 长江下游洪涝灾害集成调控与应急除险技术装备 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.NHRI.DB6793.2025
10.12072/ncdc.nhri.db6793.2025
