糙率系数是体现河床边界对水流运动产生阻碍的一个十分重要且敏感的综合性参数。在明渠的水力计算中,糙率系数的相关研究,是明渠水力计算向精准方向发展进程中亟待攻克的关键难题之一。目前常用的糙率系数选取方法,往往受到工程条件及实践经验的限制,以至不能很好的满足实际工程需要。为选取更为合理的糙率系数,以人工加糙明渠试验数据为基础,应用多元统计分析结合支持向量机技术,建立主成分分析-支持向量机(PCA-SVM)、主成分分析-最小二乘支持向量机(PCA-LSSVM)、偏最小二乘-支持向量机(PLS-SVM)、偏最小二乘-最小二乘支持向量机(PLS-LSSVM)这四种模型,对糙率系数进行预测研究,主要获得了以下几点结论:(1)采用主成分分析PCA、偏最小二乘PLS两种方法分别对人工加糙明渠糙率系数相关样本数据进行预处理,提取得到了描述特征信息的综合成分。(2)通过将PCA、PLS预处理后的数据分别结合支持向量机SVM、最小二乘支持向量机LSSVM构建模型,对四种组合模型分别进行学习训练,实现了对糙率系数的预测。(3)综合考察四种组合模型的预测精度、运行效率,并将其作为评判模型的标准,结果显示四种组合模型均取得了较为理想的预测效果,且PLS-LSSVM模型在糙率系数预测方面表现得更为突出,表明PLS-LSSVM模型适合用于人工加糙明渠糙率系数的预测研究。(4)以量纲分析方法为基础,通过数值拟合得到关于糙率系数的经验关系式,其公式中包含的水力因素有佛汝德数Fr、绝对粗糙度Δ、渠道平均水深h、底坡i,同预测模型选用的影响因素一致。(5)运用PLS-LSSVM模型与拟合公式分别进行糙率系数的预测,结果显示PLS-LSSVM模型预测精度明显优于公式法的预测结果,进一步地说明了组合模型在明渠糙率系数预测方面具备的优势。