基于物理信息与符号回归耦合约束的桥墩局部冲刷深度预测模型OA

针对桥墩局部冲刷深度预测经验公式结果偏保守、纯数据驱动模型缺乏物理机制引导的问题,通过在标准多层感知机框架中引入HEC-18式与Melville冲刷公式作为物理约束,以符号回归算法从数据中提取的显式方程作为附加约束,同时在损失函数中集成数据损失、物理损失与符号回归损失,构建了物理信息与符号回归耦合约束的多层感知机(PSI-MLP)模型。以极限梯度提升、支持向量机和纯数据驱动的多层感知机模型为基准对比模型,从预测精度、模型可解释性、物理一致性多个维度,对比分析了PSI-MLP模型与各基准对比模型的性能差异,同时基于56组工程实测数据分析了PSI-MLP模型在实际工程场景中跨尺度的外推和泛化能力。结果表明:PSI-MLP模型在测试集上的均方根误差、决定系数和克林-古普塔效率系数分别为0.234、0.88和0.928,相较各基准对比模型,均方根误差最大减小了34.8%,决定系数、克林-古普塔效率系数最大提高了16.4%和25.9%;PSI-MLP模型决策逻辑与水动力学理论吻合;PSI-MLP模型在71.4%的工况下相对误差小于25%,优于传统经验公式与基准对比模型;物理信息与符号回归的耦合约束机制能提升模型在复杂工程尺度外推条件下的适应性与预测稳定性。