农业机械学报

作者：雷国相，陈皓锐，葛建坤，张宝忠，戴玮，陈来宝，白美健

单位：中国水利水电科学研究院;华北水利水电大学,中国水利水电科学研究院;国家节水灌溉北京工程技术研究中心,华北水利水电大学,中国水利水电科学研究院;国家节水灌溉北京工程技术研究中心,中国水利水电科学研究院;国家节水灌溉北京工程技术研究中心,安徽省淠史杭灌区管理总局,中国水利水电科学研究院;国家节水灌溉北京工程技术研究中心,

关键词：灌区;调度流量;SHAP;机器学习;SOM-K-means;历史场景

基金：国家重点研发计划项目(2022YFD1900504)、中国水利水电科学研究院技术创新团队项目(ID145B022021)和河南省高等学校青年骨干教师培养计划项目(2020GGJS100)

为解决灌区渠道泄水调度决策流程过于复杂的问题，本研究以淠史杭灌区灌口集泄水闸为例，基于历史调度数据，利用SHAP（Shapley additive explanations）法挑选聚类因子，采用自组织映射（Self-organizing map, SOM）神经网络和K均值（K-means）耦合的聚类算法SOM-K-means对已有调度数据进行分类，通过寻找历史相似场景预测其调度流量。结果表明：SHAP法确定的SOM-K-means算法聚类因子为过去6h降雨量、过去9h降雨量、未来6h降雨量、灌口集泄水闸闸上水位。SOM-K-means聚类的5种聚类标签（0、1、2、3、4）分别可归类为洪峰期、无调度期、起始期、消退期、衰减期。5种标签中最大均方根误差（RMSE）为0.201，最大平均绝对误差（MAE）为0.146，最大均方误差（MSE）为0.040，最小决定系数（R2）为0.793。研究结果可为灌区水资源优化配置提供重要应用参考。

来源：2025年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第9期