人民黄河

作者：郭秀吉;孙龙飞;王平;王远见;李新杰

单位：（1.黄河水利委员会 黄河水利科学研究院，河南 郑州 450003；2.水利部黄河下游河道与河口治理重点实验室，河南 郑州 450003）

关键词：机器学习算法;特征因子;排沙预测;三门峡水库

水库排沙是一个受多因素影响、具有强非线性特征的物理过程。实现水库排沙的准确预估，对水库优化调度、防洪减淤、延长水库使用寿命等意义重大。以三门峡水库为分析对象，采用2002—2017年水沙系列数据，使用KNN、SVR、RF、XGBoost共4种机器学习算法对出库含沙量及泥沙组分进行预测。结果表明，用机器学习拟合水库排沙的非线性关系是可行的，各模型预测值与实测值相关性良好，误差整体较小；其中XGBoost模型性能最优，并且可以有效地学习水库调度过程的时间特征；水库排沙主要受调度因子影响，受水沙因子影响较小；与出库含沙量相比，出库泥沙组分对水流势能变化因子ΔZ更加敏感；在洪水期，降低库水位持续塑造上下游较大的水头差，对提升水库排沙效率更为有利。

来源：2024年第12期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第12期