基于机器学习的河湖底泥机械脱水效果试验

为研究河湖底泥含水率、加药量和泥浆污泥比阻对河湖底泥脱水固化的影响,文章分别利用BP神经网络和符号回归方程方法,建立了泥浆含水率、加药量、泥浆污泥比阻表达的泥饼含水率之间的预测模型。结果发现：两种机器学习方法得到的预测模型相关性良好,均能够达到80%以上,基于4种常用的误差评价指标(MAE、MRE、MSE、RMSE)比较之下,BP神经网络预测结果准确度更优,误差均小于4%,且两种模型中输入参数中泥浆含水率、污泥比阻对最终泥饼含水率贡献程度相似且较大,占比均能够达到80%以上。研究建立的相关模型为河湖底泥机械脱水固化提供了可靠的预测和分析工具。