利用实验室清水条件下桥墩局部冲刷的试验数据,采用支持向量机（suppcrt vector machine, SVM）和BP（back propagation）神经网络的方法,基于量纲分析原理,对影响桥墩局部冲刷产生的相关因子进行分析。将试验数据的3/4作为预测模型的训练数据集、1/4作为预测模型的测试数据集。模型的输入因子有水流弗劳德数Fr、水深与墩径之比h/D、床沙中值粒径与墩径之比d50/D、冰盖下表面糙率与床面糙率之比ni/nb,输出因子为冲刷坑深度ds。采用相关系数（r）、均方根误差(δRMSE)、平均绝对百分比误差(δMAPE)、确定系数（R2）作为预测结果的评价指标,并将预测结果与试验结果做了比较。BP神经网络模型和SVM模型在预测明流条件下桥墩局部冲刷坑深度时,预测结果的r分别为0.89和0.88、MAPE分别为38.8%和31%;在预测冰盖条件下冲刷坑深度时,预测结果的r分别为0.78和0.73、MAPE分别为43%和...

来源平台：南水北调与水利科技(中英文)