在土石坝渗透系数反演中，传统多目标算法因难以平衡全局探索与局部搜索，常导致Pareto解集收敛性不足、多样性差，且计算效率低下。针对这一问题，本文融合NSGA-Ⅱ与MOPSO算法的优势，采用Pareto导向的分层进化策略，以高效实现土石坝渗透系数的多目标反演寻优。利用压力水头与渗漏量两类渗透性态监测数据，通过SSA-XGBoost代理模型构建了渗透系数与两类渗透性态监测数据间的关系，采用基于Pareto分层导向的混合NSGA-MOPSO多目标优化算法搜寻最优的渗透系数组合，反演出土石坝的当前渗透性态。对工程实例的分析表明：与RBF、ELM和RF模型相比，本文提出的SSA-XGBoost代理模型在预测精度上具有明显优势，其R²、RMSE、MAE和MBE四项评价指标均表现更优。基于该代理模型开展渗透系数反演，在保证解集多样性的同时，节约了39%的计算时间。与单一NSGA-Ⅱ和MOPSO算法相比，本文算法在压力水头目标值f1上分别提升了19.5%和17.7%，在渗漏量目标值f2上分别提升了72.3%和62.8%。结果验证了NSGA-MOPSO混合优化算法在预测精度方面的显著提升及其反演结果的可靠性。
唐晓松 et al. (Mon,) studied this question.