排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
为了研究坡面产流量与各影响因子间定量关系,分析野外多尺度人工径流小区实测数据,采用人工神经网络及粒子群算法,建立了坡面产流量预测模型,产流量与坡长、坡宽、坡度、前期土壤含水量间可采用二次抛物线关系进行描述,与植被覆盖度、降雨量间分别采用幂函数和线性函数进行描述.另外采用加权相对差距和法确定了产流量BP神经网络模型最优拓扑结构及网络参数,建立了产流量BP神经网络模型,该模型模拟值与实测相对误差在±20%以内,预测精度较高.同时基于产流量与各单因子定量关系,建立了产流量经验模型,采用粒子群算法推求了模型未知参数,该经验模型相对误差主要在±30%以内,其精度略逊于BP神经网络模型. 相似文献
2.
3.
4.
5.
自压滴灌支管灌水单元设计方法 总被引:2,自引:0,他引:2
为了解决山地自压滴灌支管灌水单元水力设计问题,以滴头制造偏差、水力偏差和微地形偏差产生的综合流量偏差率作为灌水均匀度衡量标准,计算出支管灌水单元不同压力区允许水压力偏差和最大水压力,根据不同压力区支管水压力递推关系,确定出支管压力偏差分配系数,将支管单元设计转变为支管设计和毛管设计;支管设计采用两阶段设计法,计算出支管各节点水压力,根据该水压力和不同压力区允许最大水压力,对支管进行压力单元的划分,在不同压力区选择不同类型的滴头,使滴头额定工作压力与地形高差提供的工作压力相匹配.研究结果可直接用于山地支管灌水单元设计,计算可在Excel表格中完成,设计方法简单实用. 相似文献
6.
崩壁治理中几种稳定复绿技术对比研究 总被引:1,自引:0,他引:1
为探讨边坡治理常见工程技术与乡土植物不同组合措施对崩壁稳定复绿效果,筛选崩壁稳定复绿最优组合措施。采用崩壁人工径流小区定位观测试验,布置了9种不同组合措施:细沟喷播植草(灌)(RSS)、小台阶细沟喷播植草(灌)(SSR)、小台阶三维网喷播植草(灌)(SST)、三维网喷播植草(灌)(TDM)、土工格网喷播植草(灌)(GEG)、穴植草(灌)(HOP)、细沟喷播植灌木(RPS)、细沟喷播植牧草(RPG)和对照处理(CON)。乡土植物为百喜草(Paspalum notatum Alain ex Flüggé)、狗牙根(Cynodon dactylon(L.)Pers.)、山毛豆(Oxytropis hirta Bunge)与紫穗槐(Amorpha fruticosa L.)。结果表明:(1)崩壁土壤含水量与前期累积降雨量间呈正相关线性关系;崩壁稳定系数随含水量呈先增后减变化趋势,其中处理TDM稳定系数最大,CON稳定系数最小且显著低于其余各处理(P=0.05)。(2)处理TDM和CON崩壁植被覆盖度分别为最大和最小,且显著高于和低于其余各处理(P=0.05)。(3)处理CON崩壁径流及侵蚀量均显著高于其余各处理(P=0.05);RPS和RPG处理崩壁径流侵蚀量小于CON处理,但大于其余各处理。(4)基于崩壁稳定系数、含水量、覆盖度、径流与侵蚀量数据,采用相对差距和评价法对9种组合措施进行了定量评价,处理TDM为崩壁稳定复绿最优组合措施。 相似文献
7.
几种微灌灌水器均匀度试验研究 总被引:2,自引:0,他引:2
对国产的2种压力补偿式滴头、3种稳流器、1种内镶式滴灌管和1种发丝滴头进行了水力性能测试,分析灌水器不同工作压力区间内的流态指数,并以制造偏差和流态指数为主要影响因素,对灌水器进行了水力性能评价。结果表明:压力补偿式灌水器存在最优压力区间,在此区间内灌水器流态指数较小、水力特征曲线平滑;非压力补偿式灌水器在整个压力区间内流态指数稳定、水力特征曲线稳定连续;供试的5种压力补偿式灌水器制造偏差系数较大,为0.14~0.30,而2种非补偿式灌水器制造偏差系数较小(0.02左右)。通过灌水器流态指数、制造偏差系数对综合流量偏差系数的影响的分析表明:灌水器制造偏差对系统灌水均匀度的影响很大,在进行微灌工程水力设计时,应给予高度重视。 相似文献
8.
目前,开发建设项目水土保持监测中的坡面侵蚀测量主要是针对地表局部少量特征点,缺乏整体侵蚀状况,得到的数据难免存在误差。应用三维激光扫描技术可以高精度、高密度、高速度地测量物体表面三维空间坐标,从而描述物体表面细部状况。根据应用三维激光扫描技术在三个水土保持监测项目中应用,其结果令人满意。 相似文献
9.
10.
径流小区尺度土壤入渗率影响因子与估算模型研究 总被引:3,自引:0,他引:3
基于次降雨水文过程,确定了影响土壤平均入渗率(i_m)的多个因子;借助野外人工径流场观测资料,研究im与多个因子间定量关系,构建i_m估算模型。i_m与坡度之间呈二次抛物线关系,随坡度增加呈先升后降的变化趋势。i_m随坡长、降雨强度的增加均呈线性增加规律,随次降雨量增加呈指数增加趋势,随土壤颗粒分形维数增加呈线性降低规律。im与地表植被盖度、前期土壤含水率之间均存在双曲函数关系,随二者递增分别呈逐渐增加和降低规律。基于上述7个函数关系,采用多元非线性回归法建立估算im的回归模型,模型约72%的数据点相对误差不超过10%。采用上述7个因子作为输入参数,建立预测i_m的BP神经网络模型;通过灰色关联度分析法确定了模型最优训练算法为Levenberg-Marquardt、隐含层神经元结点最优个数为15;模型约81%的数据点相对误差不超过10%。 相似文献