基于数据挖掘的灌溉渠道运行状况健康度检测研究

X321; [目的]探究分类模型对灌溉渠道运行状况健康度的检测效果.[方法]对陕西关中地区某灌区2014年10月―2018年10月各级渠道流量以及灌溉发生运行不良状况下异常终端报警信息等数据进行抽取和探索分析处理,提取渠道运行状况特征评价指标,构建灌区渠道运行状况健康识别模型.[结果]构建的LM神经网络模型与传统BP网络模型、CART决策树模型,对759个训练样本分类中综合分类准确率均高于98％;对156个测试样本,综合分类准确率LM神经网络模型相比BP网络模型同为96.2％,CART决策树模型为94.9％.对3个模型测试样本ROC曲线分析发现,LM神经网络模型中运行正常渠道分类准确度折线与运...

Full description

Saved in:
Bibliographic Details
Published inGuanʻgai paishui xuebao Vol. 39; no. 11; pp. 130 - 136
Main Authors ZHAO Zhongsheng, XU Jinghui, WANG, Lei, WANG, Yichen
Format Journal Article
LanguageChinese
English
Published Xinxiang City Chinese Academy of Agricultural Sciences (CAAS) Farmland Irrigation Research Institute Editorial Office of Journal of Irrigation and Drainage 01.11.2020
西北农林科技大学水利与建筑工程学院,陕西杨凌712100%西北农林科技大学 旱区农业水土工程教育部重点实验室,陕西 杨凌 712100%西北农林科技大学机械与电子工程学院,陕西杨凌712100
西北农林科技大学水利与建筑工程学院,陕西杨凌712100%西北农林科技大学 旱区农业水土工程教育部重点实验室,陕西 杨凌 712100
Subjects
Accuracy
Automation
Buckets
Channel flow
Channels
Classification
Data mining
Decision trees
Defects
Flow velocity
Irrigation
Irrigation districts
Irrigation efficiency
Irrigation systems
Neural networks
Training
Water consumption
Water level fluctuations
Water levels
灌区渠道
神经网络
数据挖掘
模型
Online AccessGet full text
ISSN1672-3317
DOI10.13522/j.cnki.ggps.2019278

Cover

More Information
Summary:X321; [目的]探究分类模型对灌溉渠道运行状况健康度的检测效果.[方法]对陕西关中地区某灌区2014年10月―2018年10月各级渠道流量以及灌溉发生运行不良状况下异常终端报警信息等数据进行抽取和探索分析处理,提取渠道运行状况特征评价指标,构建灌区渠道运行状况健康识别模型.[结果]构建的LM神经网络模型与传统BP网络模型、CART决策树模型,对759个训练样本分类中综合分类准确率均高于98％;对156个测试样本,综合分类准确率LM神经网络模型相比BP网络模型同为96.2％,CART决策树模型为94.9％.对3个模型测试样本ROC曲线分析发现,LM神经网络模型中运行正常渠道分类准确度折线与运行不正常渠道分类准确度折线表现更优.[结论]LM神经网络模型是最优模型,可实际应用于渠道运行状态健康度识别检测,实际应用中对该灌区运行不正常渠道识别准确率为80.95％.
Bibliography:ObjectType-Article-1
SourceType-Scholarly Journals-1
ObjectType-Feature-2
content type line 14
ISSN:1672-3317
DOI:10.13522/j.cnki.ggps.2019278