黄河下游泥沙冲淤前景预测数学模型研究

运用一维泥沙数学模型,对小浪底水库运行后黄河下游河道泥沙冲淤,春中着重分析艾山－利津河段的冲淤变化规律,作者认为小浪底水库可使黄河下游总体上保持20年不淤,50年内相对减淤率为51．6％,艾山－利津河段也有减淤效果,但相对减淤率仅为全下游平均值的57％,河床抬升速度仍然较快。     

基于GIS的目平湖泥沙冲淤变化空间定量分析

针对洞庭湖泥沙研究大多基于物理与数学方法的现状,为实现泥沙冲淤变化的空间定位与可视化,基于GIS的空间数据处理与空间分析,提出泥沙冲淤变化空间定量计算与分析的综合方法。其步骤是:通过收集水下地形数据,建立数字高程模型;根据不同时间的高程模型计算容积及其变化;对冲淤区域进行空间划分,计算各区域冲淤量;总结泥沙冲淤的总体与局部规律。选择西洞庭目平湖,运用该方法,定量计算其库容,分析湖底地形变化情况,对冲淤变化区域进行空间划分,最后分析并总结其冲淤变化规律。研究结果表明:目平湖约85.42%处于淤积状态,少部分处于冲刷状态,北部淤积现象较严重,泥沙淤积由北向南、由西向东减少。     

三门峡水库对黄河冲淤分析

为了分析多沙河流上水利工程对水沙运动规律的影响。根据三门峡工程的运用实践，实际资料以及以往的研究成果，应用系统工程方法分析了三门峡水库对黄河冲淤的主要原因，结果表明，水利工程对多沙河流水运动特性的影响具有一定的规律。     

黄河三角洲洪、枯季泥沙冲淤的数值模拟

本针对黄河三角洲海岸潮间带广阔、黄河入海水沙变化剧烈、近岸及河口区水动力条件复杂的特点，建立了1个潮流作用下的平面二维动边界全沙数学模型。动边界的处理采用窄缝法，并利用此模型对黄河三角洲洪、枯季时悬沙分布以及底床的冲淤进行了数值模拟，进而据此探讨了黄河三角洲洪、枯季的冲淤变化规律。     

塔里木河干流泥沙冲淤分析及趋势预测

文章在实地调查和资料分析的基础上,研究了塔里木河干流的主要的几个断面的水沙在时间和空间的分布特征,分析了其历年的来水沙状况,并结合塔里木河干流的河道特性及河道冲淤特性,初步进行了塔里木河干流泥沙冲淤分析及趋势预测。     

黄浦江倒虹管内泥沙冲淤的浑水模型试验研究

针对上海市污水治理二期工程中越黄浦江大型倒虹管泥沙冲淤问题，进行了浑水模型试验研究，模拟结果显示特别在运行初期管内会产生严重淤积，必须调整运行工况，综合模型试验及理论分析结果，并结合吴闵污水外排工程泵站实际运行能力，提 临界运行流量标准及几点管理措施。     

整治工程影响下大清河航道水流泥沙冲淤分析

基于实测资料对大清河航道的水动力及泥沙特征进行了分析,从水流连续性方程,泥沙运动方程出发,建立了水动力泥沙二维数学模型,在此基础上对典型水沙条件下河道内水流、泥沙运动、航道选线及淤积预测进行了模拟研究。重点分析了工程整治后河道内流态、地形变化对航道冲淤的影响,对航道整治工程进行了评价。研究表明,大清河泥沙运动主要受径流携带的泥沙,河道地形影响,航道工程整治后仍保持上冲下淤的态势,水流归槽效应是航道主槽淤积的主要因素。     

河流网上泥沙冲淤动力学模型的建立与模拟

基于不同级别支流的汇流建立了枯水期河流网上的泥沙冲淤动力学模型.计算结果显示稳态下泥沙冲淤量在河段上的分布服从指数标度规律.利用黄河枯水期的实测数据与计算结果作对比,证明该模型能够模拟自然河道的冲淤状态,且可以预知一定条件下的稳态.     

长江口水流和泥沙冲淤的数值模拟和初步研究：Ⅰ.自适应网格的构造？…

数值模拟方法是研究河口海岸环境问题的理想工具之一。但由于河口区域的海岸线与河岸线的形状非常复杂,加上众多的岛屿,给模式网格的划分造成很大的困难,为此,将自适应网格的生成方法应用于长江口和杭州湾的水动力学模拟,较好地克服了均匀网格拟合边界的困难,得到了较合理的计算结果。     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

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．     

一种改进BP神经网络算法的编程及应用

采用附加动量并结合动态调整学习率改进BP算法，用MATLAB语言完成该算法程序的编写，并将其应用于处理光催化降解直接橙S水溶液的数据．该程序对训练集和预测集计算结果的相关系数R分别为0．9723和0．9452，处理效果良好．     

BP神经网络在计算储层参数中的应用

人工神经网络近年来在石油行业中广泛使用，以稳定性和计算能力强为特点的BP神经网络更是广为应用。孔隙度和渗透率是储层物性的重要参数，在储层评价中占据重要地位。寻找一种广泛而有效的方法计算孔隙度和渗透率是石油工作者的一项艰巨任务，本文选用了BP神经网络分别建立计算孔隙度和渗透率的模型，并通过与岩芯分析数据作对比，取得了良好的效果，有进一步推广的潜力。     

结合专家知识改进BP网络在故障诊断中的应用

针对BP网络利用知识和表达知识的方式单一，忽略专家知识的缺点，提出了一种结合专家知识的改进BP网络，并应用于故障诊断。它分别利用了神经网络和专家系统的优点，利用专家系统和BP网络的结合来取长补短。实例结果表明，该算法学习收敛较快，故障识别效果也优于标准BP网络。     

基于Matlab的改进BP神经网络及其应用

讨论了BP神经网络及几种改进BP神经网络性能的算法．用Matlab编制出相应的BP神经网络算法程序，并将其用于处理紫外分光光度法同时测定Fe，Co，Ni，Cu，V的实验数据，结果表明L—M法收敛最快，精度最高．     

基于改进BP神经网络的制冷剂状态参数计算模型

针对梯度下降法所存在的主要问题,采用Levenberg-Marquardt优化方法,对BP神经网络进行了改进,在大样本输入下获得了更快的网络收敛速度和更高的逼近精度;建立了基于改进BP神经网络的制冷剂状态参数计算模型,较好地克服了现有的制冷空调装置仿真系统中制冷剂热物性模型的主要缺点;应用所建立的BP神经网络算模型对制冷剂R134a的热力状态参数进行了计算分析,证明了所建立的模型的可靠性.     

一种基于改进的BP神经网络的入侵检测方法

针对普通BP神经网络算法学习收敛速度慢、易造成局部极小的问题,提出一种改进的BP神经网络入侵检测方法,其采用拟牛顿的方法进行学习,即对目标矩阵求二阶导数.运用该方法能够有效提高学习速度,消除局部极小.仿真结果表明,改进的BP神经网络入侵检测方法收敛速度快,比标准的BP入侵检测方法误检率低,能够很好地提高学习效率,更加有效地检测攻击行为.     

基于改进神经网络的GDP时间序列预测

由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测...     

基于改进粒子群算法的BP神经网络在边坡稳定性评价中的应用

边坡稳定性分析与评价是边坡工程的核心内容,具有高度非线性和不确定性特征。首先,选取了多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、粘聚力、坡角、坡高、孔隙比六个主要影响因素作为土坡稳定性的评价判别指标;然后,采用改进的粒子群算法优化BP神经网络模型,将网络权值和阈值粒子化,通过引入粒子群进化度和粒子群聚合度实现惯性权重的动态变化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而增强算法对非线性问题的处理能力,加快了收敛速度;最后,通过与其它边坡稳定性评价算法进行比较分析,表明了本文研究算法的可行性与合理性。