發(fā)布時(shí)間：2021-01-25 12:19

　　以皇甫川流域?yàn)檠芯繉?duì)象,在分析區(qū)域降雨及來水量對(duì)含沙量影響的基礎(chǔ)上,分別構(gòu)建靜態(tài)倒傳遞神經(jīng)網(wǎng)絡(luò)及動(dòng)態(tài)反饋式神經(jīng)網(wǎng)絡(luò)模型推估汛期輸沙過程,并對(duì)模型推估結(jié)果與誤差進(jìn)行對(duì)比分析。研究結(jié)果表明:動(dòng)靜態(tài)模型對(duì)于流域輸沙過程的推估均具有良好的模擬效果,效率系數(shù)均為0.82以上,動(dòng)態(tài)反饋式神經(jīng)網(wǎng)絡(luò)模型的精度略微優(yōu)于靜態(tài)倒傳遞神經(jīng)網(wǎng)絡(luò)模型;動(dòng)態(tài)網(wǎng)絡(luò)模型推估沙峰值的效果更好,更加接近于實(shí)際觀測(cè)沙峰值,推估沙峰誤差最小達(dá)到了2%;靜態(tài)網(wǎng)絡(luò)模型在擬合退沙階段的效果比動(dòng)態(tài)網(wǎng)絡(luò)模型的效果好。 

【文章來源】：中國農(nóng)村水利水電. 2020,(09)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

皇甫川流域水系

倒傳遞神經(jīng)網(wǎng)絡(luò)(BPNN)目前是應(yīng)用最為廣泛的靜態(tài)神經(jīng)網(wǎng)絡(luò)模型。本文構(gòu)建靜態(tài)神經(jīng)網(wǎng)絡(luò)架構(gòu)的隱含層層數(shù)為1層,利用試錯(cuò)法率定模型參數(shù),隱含層神經(jīng)元個(gè)數(shù)為5個(gè),網(wǎng)絡(luò)結(jié)構(gòu)為4-5-1,構(gòu)建輸沙推估神經(jīng)網(wǎng)絡(luò)模型,見圖2。采用matlab中newff函數(shù)構(gòu)建BP模型,訓(xùn)練算法為trainlm。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型RNN,本文以Elman神經(jīng)網(wǎng)絡(luò)為例,隱含層層數(shù)為1層,使用試錯(cuò)法率定出神經(jīng)元個(gè)數(shù)為3個(gè),因其具有動(dòng)態(tài)自記憶的特性,其網(wǎng)絡(luò)架構(gòu)見圖3。圖3 動(dòng)態(tài)網(wǎng)絡(luò)RNN模型架構(gòu)

動(dòng)態(tài)網(wǎng)絡(luò)RNN模型架構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]皇甫川流域1955-2013年水沙變化趨勢(shì)與周期特征[J]. 魏艷紅,焦菊英.  水土保持研究. 2017(03)
[2]基于靜態(tài)與動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的運(yùn)河水位預(yù)報(bào)[J]. 江衍銘,郝偌楠,李楠楠,汪健.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2017(03)
[3]集合神經(jīng)網(wǎng)絡(luò)的洪水預(yù)報(bào)[J]. 江衍銘,張建全,明焱.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2016(08)
[4]皇甫川流域水沙變化及驅(qū)動(dòng)因素分析[J]. 慕星,張曉明.  干旱區(qū)研究. 2013(05)
[5]基于誤差修正的BP神經(jīng)網(wǎng)絡(luò)含沙量預(yù)報(bào)模型[J]. 黃清烜,梁忠民,曹炎煦,霍世青,許珂艷.  水力發(fā)電. 2013(01)
[6]登陸臺(tái)風(fēng)站點(diǎn)大風(fēng)預(yù)報(bào)的人工神經(jīng)網(wǎng)絡(luò)方法[J]. 孫軍波,錢燕珍,陳佩燕,鄭錚,樂益龍.  氣象. 2010(09)
[7]基于人工神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)報(bào)試驗(yàn)[J]. 呂慶平,羅堅(jiān),朱坤,任景鵬.  廣東氣象. 2009(01)
[8]黃河下游夾河灘站洪水最大含沙量預(yù)報(bào)研究[J]. 金雙彥,秦毅,李雪梅,徐建華.  泥沙研究. 2008(02)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的多泥沙洪水預(yù)報(bào)[J]. 苑希民,劉樹坤,陳浩.  水科學(xué)進(jìn)展. 1999(04)



本文編號(hào)：2999211