基于机器学习的跨海管道泄漏位置预测模型OA北大核心
Leakage location prediction model of trans-oceanic pipelines based on machine learning
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…查看全部>>
卓美燕;林文介
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
建筑与水利
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
《水利水电科技进展》 2022 (3)
45-50,6
评论