2021, 19(5):999-1006.
摘要:
利用实验室清水条件下桥墩局部冲刷的试验数据,采用支持向量机(suppcrt vector machine,SVM)和BP(back propagation)神经网络的方法,基于量纲分析原理,对影响桥墩局部冲刷产生的相关因子进行分析。将试验数据的3/4作为预测模型的训练数据集、1/4作为预测模型的测试数据集。模型的输入因子有水流弗劳德数Fr、水深与墩径之比h/D、床沙中值粒径与墩径之比d50/D、冰盖下表面糙率与床面糙率之比ni/nb,输出因子为冲刷坑深度ds。采用相关系数(r)、均方根误差(δRMSE)、平均绝对百分比误差(δMAPE)、确定系数(R2)作为预测结果的评价指标,并将预测结果与试验结果做了比较。BP神经网络模型和SVM模型在预测明流条件下桥墩局部冲刷坑深度时,预测结果的r分别为0.89和0.88、MAPE分别为38.8%和31%;在预测冰盖条件下冲刷坑深度时,预测结果的r分别为0.78和0.73、MAPE分别为43%和46%。结果表明BP神经网络和SVM模型预测明流及冰盖条件下桥墩局部冲刷坑深度时具有较高的精度。