预测大坝底孔需气量的混合人工智能方法
机器学习
2021-02-16 v1 神经与进化计算
摘要
在诸如大坝等具有较高经济价值的大型基础设施中，确保相关水工设施在不同运行工况下的正常运行至关重要。为确保大坝水工设备正确且成功的运行并防止包括闸门和下游隧洞在内的可能损坏，建立实验室模型并进行一些测试是必要的（基于人工智能的智能传感器的发展至关重要）。大坝底孔损坏的成因之一为下游及闸门间的空化，其会影响大坝设施，而掺气可作为改善此问题的一种方案。本研究选取伊朗不同省份的六座大坝，通过实验评估下游隧洞的掺气量。使用三种基于人工神经网络（ANN）的机器学习（ML）算法来建模并预测底孔中的掺气。所提出的模型通过遗传算法（GA）、粒子群优化（PSO）训练，即 ANN-GA、ANN-PSO 和 ANFIS-PSO。两个水动力变量，即体积流量和闸门开度百分比，用作所有底孔模型的输入。结果表明，与 ANN-GA 和 ANN-PSO 相比，预测因变量的最优模型为 ANFIS-PSO。体积流量和闸门开度百分比参数对于适宜的掺气更为重要。
引用
@article{arxiv.2102.06929,
title = {Hybrid Artificial Intelligence Methods for Predicting Air Demand in Dam Bottom Outlet},
author = {Aliakbar Narimani and Mahdi Moghimi and Amir Mosavi},
journal= {arXiv preprint arXiv:2102.06929},
year = {2021}
}
备注
14 pages, 10 figures