冬季渠道输水过程中浮冰容易在闸前形成堆积体,导致过水断面束窄,严重时影响渠道的输水效率和安全运行.为判断渠道闸前浮冰的输移状态,开展了明渠水槽平板闸孔自由出流条件下的室内物理模型试验,提出了一种基于主成分分析与支持向量机(p...冬季渠道输水过程中浮冰容易在闸前形成堆积体,导致过水断面束窄,严重时影响渠道的输水效率和安全运行.为判断渠道闸前浮冰的输移状态,开展了明渠水槽平板闸孔自由出流条件下的室内物理模型试验,提出了一种基于主成分分析与支持向量机(principal component analysis and support vector machine,PCA-SVM)的闸前冰堆积与输移判别模型.通过相关性分析法确定输入特征间存在信息重叠,进而采用主成分分析法对特征向量进行降维,提取贡献率为86%的第一主成分和贡献率为7%的第二主成分作为输入特征,利用网格搜索方法确定多项式、高斯径向基和Sigmoid核函数的最优参数,通过混淆矩阵确定最优核函数为高斯径向基,最优核函数参数C为137,γ为0.37,建立PCA-SVM模型对试验数据进行监督学习.结果显示,模型在验证集上预测精确率为0.94,准确率为0.97,F1-Score为0.97,上游水流弗汝徳数(Fr1)和闸前水流弗汝徳数(Fr2)是渠道闸前冰输移与堆积的主要影响因素,闸孔相对开度(H/e)和闸门相对淹没水深(H1/H)是次要影响因素.进一步将已建立的模型应用在倒虹吸口浮冰状态判别试验中,验证开发模型的分类性能.研究成果可为冬季输水渠道的调度管理和安全运行提供重要参考.展开更多
文摘冬季渠道输水过程中浮冰容易在闸前形成堆积体,导致过水断面束窄,严重时影响渠道的输水效率和安全运行.为判断渠道闸前浮冰的输移状态,开展了明渠水槽平板闸孔自由出流条件下的室内物理模型试验,提出了一种基于主成分分析与支持向量机(principal component analysis and support vector machine,PCA-SVM)的闸前冰堆积与输移判别模型.通过相关性分析法确定输入特征间存在信息重叠,进而采用主成分分析法对特征向量进行降维,提取贡献率为86%的第一主成分和贡献率为7%的第二主成分作为输入特征,利用网格搜索方法确定多项式、高斯径向基和Sigmoid核函数的最优参数,通过混淆矩阵确定最优核函数为高斯径向基,最优核函数参数C为137,γ为0.37,建立PCA-SVM模型对试验数据进行监督学习.结果显示,模型在验证集上预测精确率为0.94,准确率为0.97,F1-Score为0.97,上游水流弗汝徳数(Fr1)和闸前水流弗汝徳数(Fr2)是渠道闸前冰输移与堆积的主要影响因素,闸孔相对开度(H/e)和闸门相对淹没水深(H1/H)是次要影响因素.进一步将已建立的模型应用在倒虹吸口浮冰状态判别试验中,验证开发模型的分类性能.研究成果可为冬季输水渠道的调度管理和安全运行提供重要参考.