金沙江干热河谷坡面降雨产流特征的分析

为干旱区植被恢复技术研究及坡面治理提供依据,运用坡面径流泥沙小区定位观测方法,对元谋县典型干热河谷地段坡面小区降雨产流特征进行了研究,根据降雨的三个重要特征降雨量、持续时间和时段最大雨强,通过SPSSK均值聚类分析法对降雨进行了分类.结果表明,研究区年内降水量分配不均,试验期间雨季6月、9月降水过分集中,易形成持续大雨,导致产生大的地表径流并冲刷地表,造成水土流失.研究区存在降雨强度大、持续时间短的A型雨、降雨强度小持续时间长的C型雨以及居于二者之间的B型雨;降雨量和降雨强度,尤其最大30min雨强是影响坡面产流能力的关键因素;不同雨型下坡面产流能力大小为A型雨>B型雨>C型雨,而产流尺度效应则为C型雨>B型雨>A型雨.     

移动降雨时空分布对坡面产流的影响

降雨的时空分布是影响坡面水文响应的重要因素之一。本文结合实测物理模型实验数据与基于物理概念的数值模型Intergrated Hydrology Model(InHM)研究降雨的时空分布对坡面产流的影响。利用收集到的实测物理模型数据对数值模拟结果进行参数率定、验证后,再分别对均匀与非均匀分布降雨条件下的坡面产流情况进行数值模拟,通过分析两者间的模拟结果的差异,可以定量化地研究降雨时空分布对坡面产流所产生的影响。研究结果表明:均匀空间分布与不均匀空间分布降雨引起的坡面产流存在相当大的差别,由降雨空间分布的不均匀性带来的产流峰值的变化差距可以超过40%;也验证了在降雨移动产生的时间变化下,产流峰值随着移动方向与坡面方向间角度的增大而逐渐减小。     

基于坡面径流输沙模型的湘中红壤丘陵区土壤有机碳流失模拟研究

坡面径流是泥沙和土壤有机碳(soil organic carbon,SOC)流失的主要动力.本研究以典型湘中红壤丘陵区坡耕地(翻耕和免耕)为研究对象,通过野外径流小区模拟降雨试验,对已建立的以径流率为变量的对数线性回归坡面径流输沙模型进行修正,并结合泥沙中SOC的富集特性,建立湘中红壤丘陵区的坡面SOC流失模型.研究结果表明:坡面SOC流失模型能够有效地应用于湘中红壤丘陵区次降雨过程中坡面SOC流失的模拟中,且具有较好地模拟效果,SOC流失率模拟平均误差在30%左右,决定系数在0.85以上;同时模拟结果表明,泥沙和SOC流失过程在坡面径流侵蚀影响下呈现波动状态,表现为产流开始后10min泥沙和SOC流失呈增加趋势,其后在波动中逐渐趋于平稳;通过比较翻耕和免耕条件坡面径流输沙和SOC流失模型,结果显示侵蚀性降雨条件下,翻耕方式泥沙和SOC流失率大于免耕方式.非侵蚀性降雨条件下,翻耕方式泥沙和SOC流失状况与免耕方式一致.     

初始解冻深度对冻融坡面侵蚀产沙过程的影响

未完全解冻层是影响解冻期土壤侵蚀的主要因素,为探讨未完全解冻层对黄土地区坡面侵蚀产沙的影响,采用室内模拟降雨试验的方法,通过控制雨强及初始解冻深度两个因子,对冻融坡面的水沙特性及响应过程进行了对比研究。结果表明:相对于未冻融坡面,雨强增加,初始产流时间会显著缩短,而初始解冻深度的增加会显著延长初始产流时间;冻融坡面产流过程中,产沙量显著增加了10~24倍,且增长趋势由快变慢的时间临界点随雨强的增加而缩短;相同雨强下,不同初始解冻深度坡面的产流变化特征一致,径流总量变化不显著而产沙量随初始解冻深度的增加而增加;相同初始解冻深度下,不同雨强下坡面产流的平均含沙量变化不明显,总产沙量随径流量增大而增大;坡面产沙量与降雨历时、雨强和初始解冻深度均呈极显著相关,坡面产流量与降雨历时、雨强和产沙量均呈极显著相关,而与初始解冻深度没有表现出相关性,说明初始解冻深度对坡面产流的影响不显著,而与坡面产沙量的关系密切。     

典型喀斯特石漠化地区降雨产流产沙特征

为分析喀斯特石漠化地区降雨对水土流失的影响,以贵州省关岭-花江石漠化治理示范区2018年雨季17次侵蚀性降雨的产流产沙数据为例,对水土流失监测径流小区的次降雨特征、降雨产流产沙特征及两者相关性进行分析。结果表明:研究区不同土地利用方式坡面次降雨径流系数平均值为0. 175,降雨大部分入渗。不同径流小区降雨产流产沙存在显著差异,5块样地产流大小为柚木(Tectona grandis)地火龙果(Hylocereus undulatus Britt)地裸地花椒(Zanthoxylum bungeanum Maxim)地荒草地,产沙大小为柚木地火龙果地裸地荒草地花椒地。植被覆盖度、土壤厚度对坡面降雨产流、产沙均影响较大,土地利用方式及植被类型对坡面降雨产沙影响次之,对降雨产流影响较小。对径流小区的次降雨径流深、次降雨产沙模数及描述次降雨特征的各指标进行相关性分析,降雨产流与次降雨量之间相关性最好,5块样地平均相关系数为0. 864;降雨产沙与降雨总动能之间相关性最好,5块样地平均相关系数为0. 785。     

古树包滑坡坡面径流饱和-非饱和渗流的有限元分析

坡面径流产流规律的研究对预防滑坡和边坡排水具有重要的理论意义和一定的实用价值。本文基于有限元理论,采用Galerkin法建立了坡面径流饱和—非饱和渗流方程,对滑坡坡面径流饱和—非饱和渗流进行了耦合分析。以清江古树包滑坡治理工程为例,首先建立了数学模型,模拟了降雨入渗过程,研究了降雨强度、初始体积含水率对坡面径流产流规律的影响。结果表明：降雨强度越大,开始产流经历的时间越短,坡面径流的最大水深越大;初始体积含水率越大,产流开始时间和达到平衡的时间也会提前。     

基于神经网络的公路边坡冲刷量模拟计算

神经网络模拟采用三层前馈网络模型，输入层有3个结点，分别代表30min降雨强度、降雨历时和降雨量，表示冲刷外因。输出层只有一个结点，代表坡面冲刷量；隐层结点数采用7个，即土压实度、坡度坡长、径流流速、径流流量、土颗粒粘聚力、植被指数和人为干扰等，为影响冲刷量的主要因素。为了验证模型，在连徐高速公路路堤边坡用SR型人工降雨设施进行冲刷试验，得到冲刷量实测资料，将通过模型计算的冲刷量值与之比较，显示了模型具有较好的模拟预测效果。     

土壤侵蚀产沙量的人工神经网络模拟

在分析土壤侵蚀产沙过程和神经网络模型特点具有某些相似的基础上 ,采用三层前馈网络模型 (BP算法 ) ,模型的第一层有 5个结点 ,分别代表降雨强度、降雨历时、降雨量、前期降雨量 (用前 1 0天降雨总量表示 )、径流深 ;第三层只有一个结点 ,表示土壤侵蚀产沙量 ;隐层的结点数采用“试错法”确定为 3个。利用四川某地水土保持试验观测资料 ,对土壤侵蚀产沙量进行模拟及预测 ,通过分析比较 ,显示了具有较好的模拟预测效果     

基于BP神经网络的泉州市山美水库降雨径流模拟研究

考虑到降雨-径流的非线性关系的复杂性,同时保证较高的计算时间效率,本研究采用率定—验证同步进行的BP神经网络模型,以降水量、时间、气温、风速、辐射量等5个因子作为输入层变量,以实测流量为训练数据,对泉州市山美水库来水量进行月时间尺度的模拟.并与SWAT分布式水文模型的模拟结果进行比较,以此评价BP神经网络模型模拟降雨径流过程的精确度与可行性.研究结果表明,BP模型模拟结果的误差均在允许范围内且精确度较高,适用于山美水库来水量预测研究.     

基于神经网络的建筑工程造价预测研究

采用误差反向传播人工神经网络模型（BP网络模型），以建筑特征参数为输入变量，通过实际资料对网络进行训练和模拟，并用贡献分析法筛选输入变量，对网络结构进行优化，结果显示了该模型在建筑工程造价预测中的有效性     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。     

比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。     

基于VB的BP算法描述

BP网络具有结构简单、技术成熟的优点,在很多领域都有广泛的应用。介绍了BP算法的数学表达,并用VB对BP算法进行了具体描述,包括BP算法的初始化、隐含层与输出层之间权系数的更新、主程序等。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

二维图像中交叉点的神经网络识别

提出一种识别灰度图像中交叉点的神经网络方法，用自组织特征映射网络和BP网络组成多分类器，识别图像中的二交叉点、三交叉点和四交叉点，在加入8%的干扰时，仍能达到85％左右的识别率。     

非线性、大滞后系统神经网络辨识研究

基于神经网络的非线性、大滞后系统辨识是当前研究的热点之一,介绍了神经网络辨识的基本原理,研究了BP与RBF神经网络两种典型网络的设计和算法,最后通过MATLAB进行了仿真分析与比较。仿真结果表明:一致性方面RBF优于BP神经网络,RBF神经网络收敛速度更快,辨识效果更好;泛化性能方面RBF网络较差,不如BP网络。由此得出两种网络各自的优缺点,在实际应用中可以此作为神经网络模型辨识的参考。