讲座报告主题：面向人工鱼礁波浪局部冲刷深度预测的机器学习框架
专家姓名：Mohammad Najafzadeh
日期：2026-11-12 时间：10:00
地点：流体中心702会议室
主办单位：流体机械工程技术研究中心

主讲简介：Mohammad Najafzadeh 教授，现任伊朗先进技术研究生大学教授，曾任该校水利工程系主任（2017—2020）、土木与测绘工程学院院长（2021—2025）。他长期聚焦复杂环境下水利结构安全演化机理与智能预测理论，构建了“人工智能 — 遥感感知 — 风险评估”融合研究体系，使预测精度较传统方法提升30%—40%，是水利工程人工智能应用领域的国际知名学者，曾获伊朗克尔曼省高校工程类专业杰出教授奖（2023）及伊朗科学、研究与技术部 “土木工程领域杰出研究人员” 称号（2024）。迄今发表高水平 SCI 论文 92 篇，多为 ASCE、Elsevier、Springer 旗下 JCR 一区期刊，Google Scholar 总引用逾 5300 次、H 指数 48；2025 年以唯一作者在 ASCE Press 出版英文专著《Scouring at Bridge Piers Using Artificial Intelligence Models: Implementation & Prediction》，并连续五年（2020—2024）入选 Scopus 全球前2%顶尖科学家榜单。他还任 6 本国际期刊副主编或编委以及 20 余本顶级期刊常任审稿人，累计审稿逾 2000 篇，多次获 “杰出审稿人” 称号。研究专长：复杂环境下水利结构安全演化机理与智能预测理论，构建了 “人工智能 — 遥感感知 — 风险评估” 融合研究体系。

主讲内容简介：人工鱼礁（ARs）越来越多地用于生态系统修复与海岸防护，但波浪引起的局部冲刷会威胁其稳定性与耐久性，因此准确的冲刷预测对可靠且经济的设计至关重要。本研究构建了 11 种机器学习模型（MLMs），用于预测规则波作用下立方体人工鱼礁周围的无量纲冲刷深度，所用样本由 36 组室内试验经高斯 Copula 模型（GCM）扩充至 144 组。这些模型涵盖了集成学习、符号回归、核方法和基于实例的方法。SVM 的泛化性能最佳，其次为 AdaBoost 和 CatBoost；随机森林（RF）与 XGBoost 则存在明显过拟合，这说明独立验证十分必要。EPR 与 MARS 给出了精度具有竞争力的显式方程，在预测性能与可解释性之间取得了平衡。SHAP 分析表明，Keulegan–Carpenter（KC）数是主导预测因子，其次为 Shields 参数和泥沙数（sediment number）；基于熵的分析表明，XGBoost、SVM 和 AdaBoost 的预测不确定性相对较低。与传统经验公式相比，EPR 方程将 RMSE 降低了 23.5%。因此，若以精度为目标，推荐采用 SVM 和 AdaBoost；若以可解释性为目标，则适用 EPR 与 MARS。

欢迎师生参加！