基于数据挖掘与机器学习模型的对称复式渠道剪应力分布预测
流体动力学
2020-01-07 v1 机器学习
机器学习
摘要
明渠中剪应力分布预测在水工结构工程中极为重要，因其直接影响稳定渠道的设计。本研究首先开展一系列试验以评估棱柱形复式渠道中的剪应力分布。在不同漫滩宽度及亚临界与超临界条件下不同流深时，测量了复式渠道整个湿周周围的剪应力值。将包括随机森林（RF）、M5P、随机委员会（RC）、KStar和加性回归模型（AR）在内的一组数据挖掘与机器学习模型应用于所得数据，以预测复式渠道中的剪应力分布。结果表明，这五种模型中RF方法以0.9的最高R2值给出了最精确的结果。最后，将本研究考察的最强数据挖掘方法（RF）与Shiono和Knight方法（SKM）及Shannon方法两个著名解析模型比较，以获取所提模型在剪应力分布预测中的性能。结果显示，相较SKM和Shannon模型，RF模型具有最佳的预测表现。
引用
@article{arxiv.2001.01558,
title = {Shear Stress Distribution Prediction in Symmetric Compound Channels Using Data Mining and Machine Learning Models},
author = {Zohreh Sheikh Khozani and Khabat Khosravi and Mohammadamin Torabi and Amir Mosavi and Bahram Rezaei and Timon Rabczuk},
journal= {arXiv preprint arXiv:2001.01558},
year = {2020}
}
备注
29 pages, 6 figures