确定水库分期汛限水位的神经网络调洪演算方法

区域水资源紧张一般依靠高效利用洪水资源来进行缓解,而对洪水资源的安全利用要求调整汛限水位。确定水库汛限水位的途径一般是调洪演算不同频率设计入库洪水,而若汛期分期不同,其对应的设计入库洪水也不同,则研究人员据此提出了确定水库分期汛限水位的神经网络调洪演算方法,目的是为了深挖水库的兴利价值及无限抬高汛限水位。本文提出的神经网络调洪演算方法完全满足工程的实际需要,值得推广用于推求水库汛限水位。     

基于级数理论的水库固定历时削峰方法

基于级数理论,通过建立调洪演算数学模型,提出一种水库固定历时削峰方法,并通过实际算例进行验证。结果表明:水库可以在固定历时拦蓄洪水并及时下泄,经水库调蓄后洪峰被削减,洪水过程线更加平稳,下泄水量满足下游河道安全要求。该方法不仅为水库调洪演算提供了新的思路,也为水库的防汛调度相关问题提供一种可行简便的解决途径。     

关于淤地坝单坝调洪演算计算方法的探讨

调洪演算是淤地坝设计中十分重要的技术环节,其结果关系到淤地坝的经济和安全。但是由于淤地坝建设的特殊性,在进行调洪演算时,为了追求调洪演算的简单快捷,往往对入库洪水和泄洪过程进行了一定的假设和概化。然而,根据《水土保持治沟骨干工程技术规范》(SL289-2003)规定的淤地坝骨干工程单坝调洪演算计算公式和洪水概化过程比较,发现"规范"中的单坝调洪演算计算公式存在一定的局限性。因此,作者根据诸多淤地坝设计的具体情况和洪水概化条件,推导出了淤地坝单坝调洪演算计算公式,对合理确定淤地坝工程规模具有重要意义。     

关于淤地坝单坝调洪演算计算方法的探讨

调洪演算是淤地坝设计中十分重要的技术环节,其结果关系到淤地坝的经济和安全.但是由于淤地坝建设的特殊性,在进行调洪演算时,为了追求调洪演算的简单快捷,往往对入库洪水和泄洪过程进行了一定的假设和概化.然而,根据《水土保持治沟骨干工程技术规范》(SL289-2003)规定的淤地坝骨干工程单坝调洪演算计算公式和洪水概化过程比较,发现“规范”中的单坝调洪演算计算公式存在一定的局限性.因此,作者根据诸多淤地坝设计的具体情况和洪水概化条件,推导出了淤地坝单坝调洪演算计算公式,对合理确定淤地坝工程规模具有重要意义.     

调洪演算全图解法及其应用

《水库调洪演算问题》一文(见原水利电力部《水利水电技术》1980年第4期)介绍了国外水库逆时序洪水演算方法,该法虽有突出的优点,但仍需使用两条工作曲线。笔者于1965年提出的调洪全图解法与上述方法相比,节省了一条工作曲线及逐时段查读计算中间值的步骤,且顺时序、逆时序均可图解,无论在演算速度上或成果精度上均有显著改善。现     

水库调洪演算图解法在施工导流中的应用

混凝土或浆砌石坝施工中,底孔导流被广泛采用。底孔导流施工中的二期围堰高程的确定需要考虑水库调蓄作用,进行调洪演算。     

浅析会宁县新窑水库除险加固工程设计方案比选

作者利用会宁县新窑水库除险加固工程设计中因拟定水库采用不同的运行方式：方案一“空库迎洪”方式,方案二“蓄清排洪”方式,经兴利调节计算、调洪演算确定采用相应的除险加固措施,通过经济比较、分析工程施工及运行安全,推荐采用方案一“空库迎洪”方式。     

基于BP神经网络的龙羊峡水库年末消落水位控制研究

龙羊峡水库长期处于低水位运行,严重影响了其综合效益。运用逐步回归的方法寻找影响水库年末消落水位的主要因素,以此为基础,建立了控制龙羊峡水库年末消落水位的BP神经网络模型,并采用长系列资料对逐步回归模型和BP神经网络模型的预测结果进行了比较和误差分析。结果表明,BP神经网络模型优于逐步回归模型。     

棋盘山水库水情预报调度系统技术研究

水库是流域的主要水利枢纽工程,在调蓄洪水、削减洪峰等方面发挥主要作用,水库的水情遥测与水文预报、洪水调度是其所在河流流域防洪调洪体系的重要组成部分。对辽宁省棋盘山水库的水情预报调度系统技术研究成果进行了总结和探讨。     

小型水库几种除险加固技术分析

水库是水利工程中常见的工程内容,在调洪蓄水方面起着十分重要的作用。在水库的建造及运行过程中,因材料问题、施工质量、地质水文以及不可预知的因素,常常会出现险情,对于这些险情,如果不加以处理或处理不当,很容易造成事故,给人民群众的生命财产造成巨大的损失。本文主要分析了几种常见水库的险情及处理办法,为小型水库的除险加固提供参考与指导。     

七里街水文站实时洪水预报神经网络模型

采用人工神经网络方法,建立福建省闽江建溪流域七里街水文站实时洪水过程预报的３ 层前馈反向传播神经网络模型, 经检验预测精度为８３．３０％ , 符合该区洪水预报规范, 准确率比较高． 其结果表明, 人工神经网络模型可适用于洪水过程预报的动态模拟     

遗传算法优化BP网络的汛期降水预测模型

针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法.以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型.结果表明,该方法计算稳定,预报误差小,具有实用价值.     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子，构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源，通过对6种BP神经网络的训练方法进行训练，经过反复筛选找出最优模型并与传统胸径-树高模型作比较；最后将BP神经网络中的输入因子从2个增加到6个后，经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳，R²和MSE分别为0.963 0和1.168；2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响，BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势；均方误差（MSE）呈现先下降后上升的趋势，两者都在节点数为10时有极值，此时的模型为最优模型；3）当输入因子为胸径和优势树高时，油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1），此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7；当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时，最优模型结构为6∶10∶1，此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出，在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法；BP神经网络模型与传统模型相比，BP神经网络模型不需要目标方程结构，并且模拟和预测的精度均要优于传统模型；在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

基于多种模型的浙江省入境游客量预测

入境游客量是衡量地区旅游发展的重要指标之一,准确的旅游需求预测可以为旅游规划提供参考依据。本文根据浙江省2001-2011年接待入境旅游游客量及其他相关统计数据,运用BP神经网络法、GMDH模型、逐步回归分析与BP神经网络组合预测法以及BP神经网络与GMDH模型组合预测法,基于影响因子要素对入境游客量进行预测分析。实验证明BP神经网络与GMDH模型组合预测法具有较强的预测优势。     

水库防洪实时调度决策模糊推理神经网络模型与应用

水库防洪实时调度决策方法是研究水库调度问题的主要内容。针对传统方法研究不系统、不全面、不能综合利用所有信息、不具有学习功能等缺点,提出水库防洪实时调度决策模糊推理神经网络模型,它在一定程度上较好地解决了这个问题。计算实例大伙房水库75704次、85804次洪水调度取得了比较理想的效果。     

基于模糊BP神经网络的辽河口湿地水质评价

利用模糊BP神经网络法对辽河口湿地不同时期（汛期、非汛期和冰封期）不同区域（核心区、试验区和缓冲区）水环境质量进行水质评价。各样点监测结果表明，核心区全N（TN）和氨氮（NH₃-N）优于表水环境质量Ⅲ类标准，缓冲区和试验区中全N（TN）、全P（TP）和化学需氧量（COD）超Ⅳ类标准。建立以上述4个水质指标为输入变量、包含5个神经元节点的隐含层和1个水质类别输出结果所构成的BP人工神经网络，结合模糊数学综合评价法对输出结果进行隶属度分析。结果表明，核心区、缓冲区和试验区在汛期和冰封期评价结果相同，依次为Ⅲ类、Ⅳ类和Ⅳ类，而在非汛期评价结果依次为Ⅱ类、Ⅲ类和Ⅳ类，可见从试验区、缓冲区到核心区水质逐渐转好，说明湿地对污染物具有一定的净化能力。评价结果与实际监测数据基本吻合，说明模糊BP神经网络综合评价具有客观性和实用性。     

基于因子分析的BP神经网络在需水预测中的应用

需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986～2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试.     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4种影响苹果产量的关键气象因子，并运用逐步回归法和BP神经网络建立苹果产量预测模型，通过模型检验两种预测模型拟合效果均较好，均能够较好的预测今后苹果的产量趋势，BP神经网络模型预测有较高精度，但BP神经网络预测模型存在局限性。