一种基于机器学习的顺直明渠断面流速场模型构建方法

摘要

顺直明渠流量的精确测量,对于水资源的合理利用、调配市县流域水量以及了解污水走向等具有重要意义。其中,渠道断面流速场的准确构建是实现高精度流量计算的关键。目前国内外针对明渠流速分布的研究尚不完善,普遍存在实测样本缺少、精度较低等问题。针对上述问题,提出了一种基于机器学习的顺直明渠断面流速场模型构建方法。该方法首先通过测量渠道参数与少量流速数据,建立并优化断面流场CFD模型,以获得足够训练样本;然后将随机森林和支持向量机作为基学习器,建立基于集成学习的流速场预测模型。该方法可以实现仅通过对表面流速的测量,准确构建顺直明渠断面流速场的目标。实验结果表明,与几种常用的机器学习方法相比,该模型均方根误差最多减小了30.21%,最少减小了2.81%。且该方法的均方根误差均在5%以内,符合国家标准,可以实现流速场的高精度构建。