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.     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

淮河上游地区降雨径流分析及模拟

为了掌握淮河流域的水情信息,对淮河干流王家坝以上流域的降雨径流进行分析和模拟。采用流域内1985-2007年的站点历史资料对降雨径流进行分析,并且应用分布式SWAT模型,采用SCE-UA算法进行参数自动校准并进行检验,建立降雨径流月尺度模拟模型。分析发现流域年降水量50%集中在6-8月,并且淮南山区息县及潢川子流域的月平均径流和径流系数都大于属于淮北平原区的班台子流域。息县、潢川、班台及王家坝月径流的模拟结果确定性系数分别达到0.77、0.81、0.69和0.80。淮河上游地区的降雨存在明显的季节集中性,并且淮南山区和淮北平原区因地势不同使产流特征不同。流域中水利工程设施的应用对天然降雨径流过程的改变产生很大影响,使班台子流域的模拟结果差于其他子流域。研究区属于径流资料短缺地区,分布式水文模型的建立充分反映了下垫面的已知信息,弥补了径流资料短缺的不足之处。     

黄土高原祖厉河流域日降雨-径流过程模拟

以陇西黄土高原祖厉河流域为研究区,采用松散耦合方式集成SCS模型和Clark方法,就区域尺度日降水-径流过程进行模拟研究.SCS模型参数空间化基于土地利用、土壤类型、坡度和前期水文条件等实现,Clark单位线的计算基于最大汇流时间和流域滞时两个关键参量进行.模拟结果表明:SCS模型能够实现黄土高原净雨的分布式模拟,产流总量误差为2.61％;净雨经Clark方法调蓄后,模拟的流域出口断面的流量精度在0.80以上(Nash系数和复相关系数).较好的模拟精度表明两种方法结合应用于黄土高原区域尺度日降雨-径流过程的分布式模拟是可行的.研究可为半干旱黄土高原区域尺度水文循环时空动态量化工作提供模式借鉴.     

VIC模型与新安江模型径流模拟对比研究

分别选取VIC模型与新安江模型作为分布式和集总式水文模型的代表,以太湖上游山区西苕溪流域为例,以Nash-Suttcliffe效率系数为目标函数,用SCE-UA (shuffled complex evolution algorithm)自动优化算法进行参数自动率定,探究不同结构的模型在径流模拟中的差异性.模拟结果表明:VIC模型和新安江模型在该地区日降雨径流模拟中都表现出了较好的适用性,率定期模型效率系数分别为0.76和0.77,验证期分别为0.84和0.82;但是在月时间尺度上,VIC模型和新安江模型则表现出了较大的差异,率定期分别为0.78和0.87,验证期则分别为0.85和0.91;从月均方根误差和平均绝对误差来看,新安江模型也表现了更好的模拟性能.从丰水(25％)、平水(50％)和枯水(25％)三个流量等级探究VIC模型和新安江模型的模拟及预测效果,结果显示:VIC模型在丰水时模拟较好,新安江模型在平水和枯水时模拟较好,尤其是在低流量时,模拟能力远优于VIC模型.     

基于地理信息的渭河流域陕西片降雨径流模拟

径流模拟通常基于流域地形、土地利用、土壤类型等信息数据,以及水文气象资料。以渭河流域陕西片为计算实例,分析了流域地形、土壤类型、土地利用、前期土壤湿润程度等地理信息参数,按照地理信息层叠加方法划分径流模拟计算单元,应用SCS模型模拟径流过程。同时,结合降雨特性及主要降雨形式分析,给出降雨量与径流量的相关关系。结果表明:径流模拟值与实测径流趋势具有较好的一致性,说明模型确定的地理参数较为合理,可以应用于关中平原典型流域的径流模拟。     

降雨径流预测研究若干进展

随着经济的发展,暴雨洪水灾害也愈加频繁,一旦发生洪涝灾害,将会给人们的生命和财产带来巨大的损失,对社会稳定也会造成一定的影响.因此,进行降雨径流预测研究,对减少洪涝灾害带来的损失具有重要的意义.文章主要介绍了用于降雨径流预测的人工神经网络方法、灰色系统预报方法、均生函数预测方法及投影寻踪方法,分析了这些降雨径流预测方法的原理、方法及研究进展,并指出了其中的优点和不足.     

基于人工神经网络的黄河下游枯季径流预测研究

通过分析黄河下游枯季径流的影响因素,主要为花园口水文站径流量和下游的引黄量这两个因子,花园口水文站径流量和下游的引黄量可作为输入层中的影响因子,下游利津站的流量作为输出层,应用多层前向人工神经网络理论,构造四套枯季径流实时预测的BP神经网络模型,使用花园口、利津水文站26年的完整序列测流资料训练和检验网络并用于预测。     

SWAT模型在伊河上游径流模拟中的应用

为了探讨SWAT模型在中国半湿润半干旱地区的适用性,依托GIS软件平台,将模型应用于中国伊河流域潭头以上地区,同时与新安江模型的同系列模拟结果进行了比较.结果表明,研究流域属于混合产流区,以蓄满产流为主的年份的模拟效果要好于以超渗产流为主的年份.     

基于人工神经网络的龙羊峡水库入库径流预报

阐述神经网络是一个大规模的非线性功能系统,具有很强的非线性处理能力。人工神经网络模型是高度的非线性模型,能够有效地模拟本质为非线性的实际水文系统。又介绍了人工神经网络的结构、原理,并结合龙羊峡水库入库径流资料,利用BP神经网络方法进行预报分析,预测值和实测值的相对误差均在10%以内,预测结果相对较好。     

基于神经网络的物流量预测

应用不同的人工神经网络模型进行物流量预测。分析影响物流发出量、吸引量和周转总量的各相关因素及神经网络预测的基本思想,研究神经网络静态前馈模型和简单动态模型预测物流量的局限性,认为采用二者结合的综合预测方法能对物流量进行准确的预测。给出动态反馈的实时递归法仿真计算步骤,仿真结果与实际结果比较,具有较高的可信度。     

基于人工神经网络超临界流体萃取动力学模拟

采用设计的SCFE装置进行了沙棘籽油的超临界流体（CO2）卒取。实验条件为压力15-30MPs,温度303-323K,流速0.05-0.40m^3/h。在30MPa、313K时得到最高油产率。将人工神经网络技术用于超临界萃取过程动力学模拟。网络结构为三层BP网。以压力、温度、萃取时间为输入信息,以萃取量为输出网络进行训练。由此得到的网络可以对萃取速率和单位时间床高方向的萃取量进行准确的模拟和预测。进一步发展后,该方法可为放大设计提供科学依据。     

基于人工神经网络及非线性回归的岩爆判据

采用人工神经网络和非线性回归方法研究岩爆判据研究.首先利用人工神经网络对原始样本进行量化,然后对量化后的样本数据进行非线性回归分析,获得新的岩爆判据公式.研究结果表明:此岩爆判据公式具有较高的预测精度.     

基于人工神经网络的框架结构可靠性分析

为了解决结构可靠性分析中的非线性问题,将人工神经网络和Monte Carlo法相结合,利用训练后的网络模型对大范围的数据进行概率分析,得到了极限状态函数值的数字特征,求得结构系统的可靠性指标.该方法为复杂结构系统和极限状态函数无法显式表达的结构系统的可靠性分析提供了一个新途径.     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

人工神经网络在结构振动控制中应用

对人工神经网络在结构工程振动控制中的应用做了综合评述 .简要介绍了人工神经网络的发展历程和基本性能 ;重点阐述了人工神经网络在结构振动控制中的应用情况 ,并对未来的发展方向进行了展望 .     

基于人工神经网络和模拟进化算法的分级燃烧优化

为控制锅炉燃烧向环境排放NOx造成的污染,提出了分级燃烧技术的综合优化方案.建立了基于人工神经网络及模拟进化算法的100MW火电机组锅炉分级燃烧优化模型,选取16个影响因子进行了分级燃烧的7个可调节参数优化,以达到机组的性能优化目标.锅炉负荷为100%、90%、80%及70%,相应神经网络训练次数分别为11523、14810、13410及19732时满足均方差要求.该神经网络模型优化时采用的种群数为80,交叉概率为0.8,变异概率为0.15.结果表明锅炉效率和NOx排放量优化计算值同实测值相对误差低于1%;NOx平均排放量由原来的812mg/m3降为645mg/m3.     

人工神经元网络在液压机行程停位控制中的应用

液压机行程停位精度是液压机先进性能的主要衡量指标，它直接影响着锻件产品的加工质量及液压机自动化生产。作者采用人工神经元网络来提取液压机工况条件和超程值之间的一般关系，并将其用于超程预测，从而实现了高精度停位控制。研究及大量试验表明：该方法不仅具有停位精度高及稳定性好等特点，而且这种控制系统的控制能力可以在液压机生产过程中具有不断提高的智能特性。该方法在３．１５ＭＮ液压机上的停位控制精度已能达到±０．５ｍｍ．     

基于人工神经网络的砂石混合体密实度计算方法

提出基于人工神经网络的砂石混合体密实度预测模型,建立砂石混合体密实度与砂、小石子和大石子掺量及密实度之间的映射关系.研究结果表明:随着砂率的增大,混合体的密实度先增大后减小,这与试验结果相符合.