科研之友
微信
新浪微博
Facebook
分享链接
摘要
引入机器学习的方法,对含植被渠道断面流速分布进行预测,分析水流与植被的相互作用机理。基于变量间的物理关系,得到机器学习模型的输入、输出项,结合非淹没刚性植被模型试验数据,并利用BP神经网络、RBF神经网络、支持向量回归SVR和随机森林RF四种机器学习方法对预处理后的数据集进行学习和建模。最后,通过模糊意见集中决策方法中的Borda数,对四种模型进行综合评价。结果表明:机器学习模型可以根据具体数据进行自适应建模,具有良好的工程应用前景;机器学习模拟结果与试验测量结果吻合较好,说明机器学习方法可有效预测含植被水流流速分布结构;其中BP神经网络的整体性能最好,综合使用4种模型的计算值可提高结果精度。
-
单位中国农业大学; 土木工程学院
