申请/专利权人：南昌工程学院

申请日：2024-03-05

公开（公告）日：2024-05-14

公开（公告）号：CN117829035B

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06F30/13;G06N3/086;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种T型分汊明渠下游支渠流量的预测方法，对T型分汊明渠进行物理模型试验，输出的主渠进口处、出口处和下游支渠出口处流量、水深、佛罗德数和下游支渠宽度与主渠宽度之比，通过物理模型量纲分析确定下游支渠出口处流量与主渠进口处流量之比的关键影响参数，确定麻雀优化算法正则化学习机算法中关键变量后麻雀优化算法正则化学习机算法进行自主学习，输出预测下游支渠出口处流量与主渠进口处流量之比的预测表达式，最后将实测的T型分汊明渠主渠进口处流量、主渠出口处和下游支渠出口处佛罗德数带入对应流量公式得到实时的T型分汊明渠下游支渠流量。本发明能够准确合理地预测T型分汊明渠下游支渠流量。

主权项：1.一种T型分汊明渠下游支渠流量的预测方法，其特征在于：包括以下步骤：步骤S1：对缩尺的T型分汊明渠进行物理模型试验，建立T型分汊明渠物理模型，T型分汊明渠由主渠和下游支渠以直角连接，在主渠进口处流量Q条件下，测得主渠出口处流量Qx和下游支渠出口处流量Qy，主渠宽度为Bx和下游支渠宽度为By，其中下游支渠出口处流量与主渠进口处流量之比为M，下游支渠宽度与主渠宽度之比为R；对主渠进口处佛罗德数Fu、主渠出口处佛罗德数Fx和下游支渠出口处佛罗德数Fy分别进行计算；步骤S2：对步骤S1中T型分汊明渠物理模型进行量纲分析，找出下游支渠出口处流量与主渠进口处流量之比M的关键影响参数为主渠进口处佛罗德数Fu、主渠出口处佛罗德数Fx和下游支渠出口处佛罗德数Fy和下游支渠宽度与主渠宽度之比R；步骤S3：基于步骤S2中的关键影响参数，确定麻雀优化算法正则化学习机算法中的关键变量；步骤S4：基于步骤S1中建立T型分汊明渠物理模型获得的数据结合步骤S3中的关键变量，应用于麻雀优化算法正则化学习机算法进行算法自学习，输出预测下游支渠出口处流量与主渠进口处流量之比M的预测表达式；步骤S5：测得实际工程中T型分汊明渠目标工况的参数为主渠进口处佛罗德数Fu、主渠出口处佛罗德数Fx和下游支渠出口处佛罗德数Fy和下游支渠宽度与主渠宽度之比R，代入步骤S4确定的下游支渠出口处流量与主渠进口处流量之比M的预测表达式，得到实际工程中下游支渠出口处流量与主渠进口处流量之比；测得实际工程中T型分汊明渠主渠进口处流量Q，即测得T型分汊明渠下游支渠出口处流量Qy=M×Q；步骤S3中确定麻雀优化算法正则化学习机算法中关键变量，包括确定判断指标、确定隐藏层数目、进行敏感度分析和激活函数选择，具体步骤为：步骤S31：确定判断指标；包括相关系数R2，方差贡献率VAF，均方根误差RSME，散度指标SI，平均绝对误差MAE，纳什效率系数NSC，具体表达式为： ； ； ； ； ； ；其中：Oi，Pi，和n分别为第i个试验值，第i个试验预测值，n个试验值的平均值和试验值的数目，n个试验值的平均值的表达式为，为n个试验预测值的平均值，∑表示求和符号，var表示方差符号；步骤S32：确定隐藏层数目；采用麻雀优化算法正则化学习机算法，以1为初始值，以1为间距，逐渐增加隐藏层数目进行计算，每一步均输出步骤S31中所有的确定判断指标值，并与前一次输出值进行比较，当麻雀优化算法正则化学习机算法中的训练集和测试集各判断指标值的相对误差均满足|Ij-Ij+1|≤η%停止计算，采用前一次输出值的隐藏数目，即j作为最终隐藏层数目，I表示确定判断指标值；η为预设精度阈值；步骤S33：进行敏感度分析；在步骤S32确定的隐藏层数目前提下对下游支渠出口处流量与主渠进口处流量之比M的关键影响参数进行敏感度分析；依次消除一个关键影响参数采用麻雀优化算法正则化学习机算法进行敏感度分析；即SSA-RELM-1[Fu,Fx,Fy,R]，SSA-RELM-2[Fx,Fy,R]，SSA-RELM-3[Fu,Fy,R]，SSA-RELM-4[Fu,Fx,R]，SSA-RELM-1[Fu,Fx,Fy]，选择判断指标达到最优时的最敏感关键参数组合保留；SSA-RELM-1代表第一组麻雀优化算法正则化学习机算法的关键影响参数，SSA-RELM-2代表第二组麻雀优化算法正则化学习机算法的关键影响参数，SSA-RELM-3代表第三组麻雀优化算法正则化学习机算法的关键影响参数，SSA-RELM-4代表第四组麻雀优化算法正则化学习机算法的关键影响参数；步骤S34：在步骤S32确定的隐藏层数目和步骤S33确定的最敏感关键参数组合前提下进行激活函数选择，对激活函数Sigmoid、激活函数Tanh和激活函数Sin分别采用麻雀优化算法正则化学习机算法计算，选择步骤S31中确定判断指标性能均达到最优时的激活函数。

全文数据：

权利要求：

百度查询： 南昌工程学院 一种T型分汊明渠下游支渠流量的预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD