고심벽 암괴댐의 투수계수 역산에서 비선형성이 강하고 계수 범위가 크며 소규모 샘플 학습이 어려운 문제를 해결하기 위해, 로그 공간 라틴 하이퍼큐브 샘플링과 개선된 참새 탐색 알고리즘을 융합한 서포트 벡터 머신의 하이퍼파라미터 역산 방법을 제안하였다. 라틴 하이퍼큐브 샘플링(LHS)을 사용하여 로그 공간 내에서 공간 충전성이 높고 척도 균형이 뛰어난 초기 샘플 집합을 생성하였으며, 기존 참새 탐색 알고리즘(SSA)이 국소 극값에 빠지는 문제를 개선하기 위해 Tent 혼돈 맵을 도입하여 개체군의 초기 탐색성을 강화하고 코시 변이 전략을 병행하여 개체가 동적으로 국소 최적값에서 벗어날 수 있는 능력을 부여하여 서포트 벡터 회귀기(SVR)의 핵심 초매개변수의 적응적 최적화를 실현하였다. 라이온핑 수력발전소 심벽 암괴댐 공사를 사례로 하여 모델을 구축하여 투수계수를 역산하였다. 결과는 제안한 방법이 소규모 샘플 조건에서 더 높은 예측 정확도를 가지며, 역산된 투수계수는 방수 배수계의 그래디언트 법칙을 만족하고, 감시 지점의 수두 계산값과 측정값의 RMSE가 1.36m, 최대 상대 오차가 0.1204%, 평균 상대 오차가 0.039%로 BP 신경망 및 랜덤 포레스트 등의 머신러닝 모델보다 우수함을 나타냈다.

암괴댐;침투;파라미터 역산;서포트 벡터 회귀;강화 참새 탐색 알고리즘