高心壁盛石ダムの浸透係数反演における非線形性の強さ、係数の幅の大きさ、小規模サンプル学習の困難といった問題に対処するため、対数空間におけるラテン超立方体サンプリングと改良されたスズメ探索アルゴリズムを融合したサポートベクター機械のパラメータ反演方法を提案した。ラテン超立方体サンプリング（Latin hypercube sampling、LHS）を用いて対数空間内で空間充填性が高くスケールバランスの取れた初期サンプルセットを生成し、標準スズメ探索アルゴリズム（SSA）が局所極値に陥りやすい欠点に対して、Tentカオスマップを新規導入し個体群の初期巡回性を強化し、コーシー変異戦略と協調して個体に局所最適から動的に脱出する能力を付与し、サポートベクター回帰機（SVR）の主要なハイパーパラメータの適応的最適化を実現した。獅子坪水力発電所の心壁盛石ダム工事を例としてモデルを構築し、浸透係数を反演した。結果は、提案手法が小規模サンプル条件下で高い予測精度を持ち、反演された浸透係数は防水排水系の勾配則を満たし、監視点の水頭計算値と実測値のRMSEは1.36m、最大相対誤差は0.1204％、平均相対誤差は0.039％であり、BPニューラルネットワークやランダムフォレストなどの機械学習モデルより優れていることを示した。

盛石ダム;浸透流;パラメータ反演;サポートベクター回帰;強化スズメ探索アルゴリズム