基于机器学习的跨海管道泄漏位置预测模型

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.

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

所属期刊栏目：42

分类号：TU991;TV698.1+2(地下建筑)

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50