基于分类梯度提升算法的推移质输沙率计算

王言昕; 江雨润; 吴小康; 罗铭; 黄尔

doi:10.20040/j.cnki.1000-7709.2025.20240218

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于分类梯度提升算法的推移质输沙率计算

泥沙 | 更新时间：2026-02-25

- 基于分类梯度提升算法的推移质输沙率计算
- 基于分类梯度提升算法的推移质输沙率计算
- 水电能源科学 2025年43卷第1期页码：39-42+121
- 作者机构：
  
  四川大学山区河流保护与治理全国重点实验室
- 作者简介：
- 基金信息：
  
  第二次青藏高原综合科学考察研究项目(2019QZKK020401);四川省自然科学基金项目(2024NSFSC0981);中国博士后科学基金项目(2024M752215);高校基本科研业务费项目(2024SCU12092)
- DOI：10.20040/j.cnki.1000-7709.2025.20240218
  中图分类号： TV142.2
- 纸质出版：2025
- 稿件说明：
移动端阅览
王言昕, 江雨润, 吴小康, 等. 基于分类梯度提升算法的推移质输沙率计算[J]. 水电能源科学, 2025,43(1):39-42+121.

王言昕, 江雨润, 吴小康, et al. 基于分类梯度提升算法的推移质输沙率计算[J]. 2025, 43(1): 39-42+121.
王言昕, 江雨润, 吴小康, 等. 基于分类梯度提升算法的推移质输沙率计算[J]. 水电能源科学, 2025,43(1):39-42+121. DOI： 10.20040/j.cnki.1000-7709.2025.20240218.

王言昕, 江雨润, 吴小康, et al. 基于分类梯度提升算法的推移质输沙率计算[J]. 2025, 43(1): 39-42+121. DOI： 10.20040/j.cnki.1000-7709.2025.20240218.

摘要

计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果，筛选了3 060组天然河道输沙数据，将其划分为单一流域和综合流域两组，以此获取算法在这两种情况下的预测结果，并利用3种传统公式进行对比，最后对单点进行多次重复调参验证调参次数对于算法预测性能的影响。结果表明，分类梯度提升算法对单一流域的预测效果优于综合流域；增加训练集和测试集的划分次数能够减轻划分方式带来的影响；多次重复调参可提高算法的预测性能；分类梯度提升算法相较于传统输沙率公式效果更好。

Abstract

关键词

Keywords

references

Khabat Khosravi,James R. Cooper,Prasad Daggupati,Binh Thai Pham,Dieu Tien Bui.Bedload transport rate prediction: Application of novel hybrid data mining techniques[J].Journal of Hydrology,2020.

Zaher Mundher Yaseen,Isa Ebtehaj,Hossein Bonakdari,Ravinesh C. Deo,Ali Danandeh Mehr,Wan Hanna Melini Wan Mohtar,Lamine Diop,Ahmed El-shafie,Vijay P. Singh.Novel approach for streamflow forecasting using a hybrid ANFIS-FFA model[J].Journal of Hydrology,2017.

Darren Hinton,Rollin Hotchkiss,Daniel P. Ames.Comprehensive and Quality-Controlled Bedload Transport Database[J].Journal of Hydraulic Engineering,2016.

Miguel Wong,Gary Parker.Reanalysis and Correction of Bed-Load Relation of Meyer-Peter and Müller Using Their Own Database[J].Journal of Hydraulic Engineering,2006.

叶志恒,唐立模,倪培桐,苗青.沙波与刚性非淹没植物复合床面推移质泥沙输移特性研究[J].水电能源科学,2023(05).

江雨润,黄尔.基于随机森林算法的推移质输沙率计算研究[J].四川水力发电,2023(02).

邵健,王霄,昌文峰,陈曦,张译.基于CatBoost算法的滑坡敏感性模型——以毕节市大方县为例[J].计算机与数字工程,2022(06).

应启帆,谢代梁,徐志鹏,徐雅,刘铁军,黄震威.多输出回归算法在超声粒径分布反演中的研究[J].声学技术,2022(01).

毛亮,李玉建,李鹤,耿义鑫.插板透水丁坝对河道输水输沙能力的影响[J].水电能源科学,2021(12).

谭成宇.不同推移质输沙模型在围堰附近砂床冲刷模拟中的应用与比较[J].水利技术监督,2020(05).

陈雄波,唐洪武.用BP神经网络原理对水流挟沙力的研究[J].泥沙研究,2004(01).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多源气象资料与机器学习的降水数据质量控制方法研究

CEEMDAN分解与机器学习耦合模型在林海水库入库径流预报中的多尺度适用性分析

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究

基于可解释性机器学习算法的珠江河口区咸潮上溯预报