基于LS-SVM的侧堰泄流能力预测模型

作者：李国栋; 沈桂莹; 李珊珊; 陆庆楠

来源：应用基础与工程科学学报, 2023, 31(04): 843-851.

DOI：10.16058/j.issn.1005-0930.2023.04.004

• 矩形侧堰
• 流量系数
• 核函数
• LS-SVM
• 人工智能
• 机器学习

为了准确高效地得出矩形侧堰流量系数(Cd),首先设计矩形侧堰模型试验，得出6种不同流量工况下的流量系数试验值，利用MATLAB搭建不同核函数的最小二乘支持向量机(LS-SVM)模型，将影响Cd的各无量纲参数作为模型输入，Cd作为模型输出.研究表明：LS-SVM模型可用于矩形侧堰流量系数预测，且高斯核函数优于多项式核函数和线性核函数，在测试阶段最佳模型的性能指标平均绝对误差(MAE)为0.005,均方根误差(RMSE)为0.005,决定系数(R2)为0.966,表明该模型性能较好，精度较高，预测值较准确.本文提出了一种预测侧堰泄流能力的智能模型，讨论了不同无量纲参数对该模型的影响，验证了该模型的适用性，为类似水利工程提供参考依据，同时为解决复杂水力学问题提供新思路.

• 单位
  中国电建集团华东勘测设计研究院有限公司; 西安理工大学