TextBody
Huy chương 2

Ứng dụng thuật toán SVM dự báo chiều dài nước nhảy trên kênh hình thang cân

11/04/2024

Nghiên cứu chiều dài của nước nhảy trong kênh hình thang cân là một bài toán phức tạp, rất khó để mô tả được đầy đủ các yếu tố ảnh hưởng đến chiều dài nước nhảy trong các công thức cụ thể. Để nghiên cứu về chiều dài nước nhảy, lý thuyết Pi của Buckingham đã được áp dụng để phân tích và xác định các yếu tố cơ bản ảnh hưởng đến chiều dài nước nhảy, sau đó sử dụng thuật toán Máy véc tơ hỗ trợ (SVM) để dự báo về chiều dài nước nhảy. Nghiên cứu cho nước nhảy trong kênh hình thang cân, đáy bằng có mái dốc kênh m = 1 cho các kết quả dự báo so với giá trị thực đo, đã cho thấy hệ số tương quan rất cao (R2 0,99), các chỉ số thống kê khác rất gần điểm lý tưởng (MSE = 0,97; RMSE = 0,98; MAE = 0,88 và MAPE = 2,6%) và sai số lớn nhất là 5,2%. Điều này cho thấy thuật toán SVM phù hợp cho việc nghiên cứu và dự báo các đặc trưng thủy lực của nước nhảy.

1. TỔNG QUAN

2. PHƯƠNG PHÁP NGHIÊN CỨU

2.1. Thiết lập các trường dữ liệu trong Học máy

2.2. Thuật toán SVM

3. DỮ LIỆU NGHIÊN CỨU

3.1. Các mô hình vật lý

3.2. Thu thập dữ liệu

4. KẾT QUẢ DỰ BÁO TỪ THUẬT TOÁN SVM

4.1. Cơ sở dữ liệu của thuật toán SVM

4.2. Các kết quả đào tạo theo thuật toán SVM

4.3. Đánh giá các giá trị dự báo theo thuật toán “Cubic SVM”

5. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1] Robert Wanoschek & Willi H. Hager Hydraulic jump in trapezoidal channel, Journal of Hydraulic Research, 27:3, 429-446, 1989.

[2] Ngoc N. M., Pham Hong Cuong, and B. H. Phong. Prediction of the Conjugate Depth of the Hydraulic Jump in the Trapezoidal Channel Using Random Forest Regression. Journal of Military Science and Technology, no. 82, pp. 150-158, 2022.

[3] Seyed Mahdi Saghebian, Predicting the relative energy dissipation of hydraulic jump in rough and smooth bed compound channels using SVM. Water Supply; Vol. 19, Iss. 4, p.1110-1119, 2019.

[4] Dasineh M, Ghaderi A, Bagherzadeh M, Ahmadi M, Kuriqi A. Prediction of Hydraulic Jumps on a Triangular Bed Roughness Using Numerical Modeling and Soft Computing Methods. Mathematics, 9(23):3135, 2021.

[5] Mohamed F. Sauida, Amimul Ahsan. Simulation of relative energy loss downstream of multi-gate regulators using ANN, Cogent Engineering, 9:1, 2022.

[6] Larbi Houichi, Noureddine Dechemi, Salim Heddam and Bachir Achour. An evaluation of ANN methods for estimating the lengths of hydraulic jumps in U-shaped channel. Journal of Hydroinformatics; Vol. 15, Iss. 1, p.147-154, 2013.

[7] M.A.H. Farquad, Indranil Bose, Preprocessing unbalanced data using support vector machine. Decision Support Systems, Volume 53, Issue 1, 2012, Pages 226-233,

[8] Mahtabi, G., Chaplot, B., Azamathulla, H.M., & Pal, M. (2020). Classification of Hydraulic Jump in Rough Beds. Water 2020, 12, 2249; doi:10.3390/w12082249

[9] W. G. Jacoby. Data Theory and Dimensional Analysis. Sage, CA. 1991

[10] Lin, S.L. Application of Machine Learning to a Medium Gaussian Support Vector Machine in the Diagnosis of Motor Bearing Faults. Electronics 10, 2266, 2021.

_______________________________________________________________________

Chi tiết bài báo xem tại đây: Ứng dụng thuật toán SVM dự báo chiều dài nước nhảy trên kênh hình thang cân

Lê Văn Nghị
Phòng Thí nghiệm trọng điểm Quốc gia về Động lực học sông biển
Nguyễn Minh Ngọc
Khoa Kỹ thuật hạ tầng và môi trường Đô thị, Trường ĐH Kiến trúc Hà Nội

TẠP CHÍ KH&CN THỦY LỢI

Ý kiến góp ý: