%0 Journal Article
%A 王雪
%A 陈金凤
%T 基于特征自适应优选的H-ADCP流量在线监测模型
%D 2025
%R 10.11988/ckyyb.20250206
%J raybet体育在线
院报
%P 42-49
%V 42
%N 11
%X <p id="C1">针对H-ADCP流量在线监测存在的特征流速选择困难、计算复杂度大及流量成果精度不高等难点,综合考虑特征数据降维、神经网络、支持向量机以及粒子群算法等人工智能算法,构建了基于特征自适应优选的H-ADCP流量在线监测模型,即FAO(Feature Adaptive Optimization)模型。选择受潮汐影响、水位流量关系复杂的罗湖水文站为研究对象,采用2019年和2023年实测流量资料,从各种算法的优缺点、降维数据的适用性以及模型稳定性等多个方面分析了FAO模型的适用性。结果表明:FAO模型具有较好的自学习能力,实测流量样本较少时,具有较好的流速特征学习能力和流量预测精度,检验期流量预测样本的均方根误差RMSE为6.06 m<sup>3</sup>/s、决定系数<i>R</i><sup>2</sup>达到了0.93。提出的研究方法和模型可为流量在线监测研究提供新的研究思路和方法。</p>
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20250206