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, 2022, 1-12.

• 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)的大小，本文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重要参考依据，同时为水利研究人员解决复杂水力学问题提供新思路。

• 单位
  西安理工大学; 中国电建集团华东勘测设计研究院有限公司