机器学习模型在H-ADCP在线测流系统中的应用

发布时间：2021-09-16 20:44

　　针对常规的指标流速法精度不足的缺点,分析探究了利用机器学习模型由H-ADCP网格单元流速推求测流断面平均流速的可行性与适用性。选择引丹灌渠清泉沟隧洞出口下游清泉沟站2018～2019年共136测次人工比测流量资料及同时期H-ADCP网格单元流速资料,分别构建了3种机器学习模型（支持向量回归、BP神经网络和极限学习机）,并基于8种H-ADCP网格单元分配方案对断面平均流速进行了模拟。以指标流速法为参照基准,对比分析了3种机器学习模型的拟合效果。结果表明:相比常规的指标流速法,机器学习模型能更精确地拟合断面平均流速值。此外,H-ADCP有效网格单元数对指标流速法的断面平均流速拟合效果影响较大,对各机器学习方法的拟合性能影响不显著。研究成果可为机器学习模型与传统水文测验方法的深度融合提供新的研究思路。 

【文章来源】：人民长江. 2020,51(11)北大核心

【文章页数】：6 页

【部分图文】：

图1 支持向量机、BP神经网络与极限学习机结构示意

清泉沟站测流大断面与H-ADCP安装位置示意

不同网格单元方案下各模型对测试集样本数据的模拟效果(以多项式回归模型PR为参照)

【参考文献】：
期刊论文
[1]不同方法在感潮河段ADCP在线测流系统中应用的比较分析[J]. 韦立新,曹贯中,蔡磊.  水文. 2019(06)
[2]人工智能在水文预报中的应用研究[J]. 周研来,郭生练,张斐章,陈华,钟逸轩,巴欢欢.  水资源研究. 2019(01)
[3]ELM与BP神经网络模型在径流预报中的比较研究[J]. 王文川,李文锦,徐冬梅,李庆敏.  水资源研究. 2018(06)
[4]H-ADCP流量在线监测系统软件设计与实现[J]. 陈卫,周波.  人民长江. 2015(21)
[5]基于ELM学习算法的混沌时间序列预测[J]. 李彬,李贻斌.  天津大学学报. 2011(08)
[6]H-ADCP实时流量在线监测系统研究[J]. 徐刚,胡焰鹏,樊云,翟谨.  中国农村水利水电. 2009(09)
[7]应用光滑支持向量机预测汉江流域降水变化[J]. 陈华,郭靖,熊伟,郭生练,许崇育.  长江科学院院报. 2008(06)
[8]H-ADCP在复杂环境下的应用[J]. 杜耀东,宋星原,王俊.  人民长江. 2008(03)
[9]H-ADCP流量在线监测指标流速法定线软件“定线通”介绍与应用[J]. 王发君,黄河宁.  水文. 2007(04)
[10]指标流速法在珠江三角洲的应用[J]. 李志敏.  中国水利. 2007(11)

博士论文
[1]核极限学习机的理论与算法及其在图像处理中的应用[D]. 李小冬.浙江大学 2014
[2]基于极限学习的系统辨识方法及应用研究[D]. 杨易旻.湖南大学 2013



本文编号：3397265