渗流是影响土石坝安全的重要因素,在以往的大坝渗压值预测模型中,输入因子的选择缺乏具体依据,主观性较强。为使输入因子的选取更加合理,并提高模型对渗压的预测效果,建立了一种基于逐步回归和小波神经网络的土石坝渗压预测模型(SRA-WNN)。首先阐述了土石坝渗压影响因素,并基于土石坝传统渗压统计模型,将与上游水位、降雨和时效相关的11个因子作为模型的初始因子。然后引入逐步回归分析法筛选出与渗压相关性显著的因子,并将相关性显著因子作为小波神经网络的输入因子,以渗压作为输出。使用训练样本数据对网络进行训练,并使用训练好的网络预测渗压。预测结果表明,SRA-WNN模型渗压预测值与实测值最接近,平均绝对误差为0. 030 7 m,均方根误差为0. 001 8 m,平均绝对相对误差为0. 17%,均小于逐步回归模型和将初始因子作为输入因子的WNN模型,因此SRA-WNN模型预测精度较高,输入因子更为合理,更能反映出大坝渗流状况,在渗压分析和预测方面是可行的。