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。