典型文献
基于机器学习的跨海管道泄漏位置预测模型
文献摘要：
为解决跨海管道泄漏位置定位问题,利用EPANET软件对海底管道泄漏探测进行建模,采用BP神经网络模型和经K-CV改进的SVR模型进行泄漏位置预测.对BP神经网络的隐含层数和学习函数进行优化和选择,使用K-CV方法对SVR算法的惩罚系数c和核函数参数g进行最优组合探寻.利用EPANET软件建模数据形成训练集,随机选取测试集进行预测,同时使用均方根误差和相关系数对预测结果进行评价.实例验证结果表明:K-CV方法能够有效提高SVR模型预测精度;与水力学稳态方程相比,BP神经网络模型在泄露位置预测问题中应用范围更广、预测精度更高.
文献关键词：
跨海输水管道;泄漏位置预测;EPANET软件;BP神经网络;支持向量回归
中图分类号：
作者姓名：
卓美燕;林文介
作者机构：
福建水利电力职业技术学院,福建永安 366000;福建省莆田水利水电勘测设计院有限公司,福建莆田 351100
文献出处：
引用格式：
[1]卓美燕;林文介-.基于机器学习的跨海管道泄漏位置预测模型)[J].水利水电科技进展,2022(03):45-50
A类：
泄漏位置预测,跨海输水管道
B类：
基于机器学习,海管,管道泄漏,位置定位,定位问题,EPANET,海底管道,CV,SVR,隐含层,层数,学习函数,罚系数,核函数,函数参数,最优组合,软件建模,建模数据,训练集,测试集,水力学,支持向量回归
AB值：
0.278575
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
