地下水文预测中BP网络的模型结构及算法探讨

本文探讨了人工神经网络中不同BP网络结构和算法在区域地下水文预测中的应用，实例比较了不同层次结构、学习速率、隐层单元数及不同算法等对收敛效果、模拟预报结果的影响。提出了一些BP模型的设计应用技术，即学习速率的取值范围与BP网络层数有一定关系，层数多，稳定区间较小，一般学习速率取值为0.01～0.1。快速BP算法从训练速度，收敛精度等方面均优于普通BP算法，可作为改进BP算法之一。在此基础上根据黄河河套灌区多年的水文、气象和地下水信息，对灌区多年的年地下水埋深变化进行了模拟，预测了河套灌区节水工程实施后未来灌区地下水位下降的趋势，为大型灌区节水工程改造与BP模型在区域地下水文中的应用提供了参考。     

典型前馈神经网络在潮流模拟中的应用与比较

应用水动力学模型可以在典型情形条件下模拟和预测整个研究区域中潮流运动过程的各个细节，但是对于某些环境与工程问题，人们往往更加关注整个研究区域中某些局部敏感区域在任意条件下的潮流实时变化或快速反馈信息。为了探讨这类问题的解决途径，本文将典型情形下的水动力学模拟方法与前馈型神经网络方法结合，以典型条件下水动力学模拟的结果作为神经网络训练的基础，对深圳湾的潮流运动特性进行了研究。通过论证将神经网络用于二维潮流运动特征模拟的可行性，说明了人工神经网络作为一种非线性动力学系统，能够根据海湾开边界潮流特性有效地模拟研究区域中任一网格对应的水流特性，较水动力学模型更为方便迅捷。利用人工神经网络得出的模拟结果与经过实测资料验证的海湾二维潮流模型计算结果十分吻合。文中对遗传神经网络和其它两种经典的前馈网络(BP网络和RBF网络)的学习能力和模拟效率进行了比较。就三种前馈型神经网络从水动力学数值模拟结果中归纳和提取水动力学信息和数据的能力而言，基于遗传算法的神经网络综合性能最为优越。     

基于BP网络的随机模拟技术在区域洪水地区组成分析中的应用

多水库的流域采用常规洪水地区组成方法的局限性日益突出,为此探讨利用随机模拟来解决地区组成问题成为一个比较有效的途径.通过将BP网络与随机模拟技术结合起来,克服了随机模拟中由于参数模型自身所具有的不稳定等缺点.采用自适应算法以解决BP网络存在的局部极小等问题.该模拟技术应用于区域的洪水地区组成的研究,取得了较好的结果.     

门限回归与BP网络相结合的单一线法研究

为更好地反映测站水位流量关系所固有的规律,提高水位流量关系模拟的稳定性和精度,分析了影响单一线法定线与推流精度的几种因素,在采用门限回归建模、BP网络建模的基础上,分析探讨了将门限回归与BP网络结合起来的方法:先用门限回归模型将实测样本分段,再用BP网络对各分段样本进行非线性拟合。实例研究表明:该方法克服了单独使用门限回归方法因分段数不足而无法较好地模拟总体的非线性规律,以及当实测样本存在突变和分段规律时BP网络方法本身无法对其甄别的缺陷,较其他两种方法精度更高、效果更好,丰富了目前现有的稳定水位流量关系分析的单一线法,可在工程实践中尝试应用。     

河道线变形神经网络预测模型研究

以长江下荆江河段较为典型的石首弯道为研究对象，研究建立了一种基于BP神经网络的河道岸线变形预测模型。计算表明，该模型能较为准确地模拟预测石首弯道进出口段典型断面岸线变化。模拟精度较高，便于应用。     

基于BP神经网络土体自由膨胀率的模拟研究

土体的膨胀性与其物理力学指标有着密切关系,但它们的关系是非线性的、复杂的,难以用传统的方法进行模拟.BP神经网络以其良好的非线性映射能力而成为应用最广泛的一种神经网络模型.结合南水北调中线工程,取南阳地区土样作样本,以BP神经网络模拟土体自由膨胀率与物理力学指标的关系.模拟计算结果与试验值基本吻合,精度较高.对于没有做土膨胀试验的地区,可以将土样物理力学指标输入训练好的BP神经网络,以判别土样是否为膨胀土.     

BP网络及多元线性回归在长江堤防监测资料分析中的应用

为比较BP网络及多元线性回归方法在工程中的应用效果,采用这2种方法对长江重要堤防隐蔽工程典型监测断面的资料进行了分析.结果表明:2层的BP网络以及使用线性函数的3层BP网络与多元回归方法的预测效果基本一致,能够满足实际工程需要;使用"S"型活跃函数的3层BP网络预测精度较差.     

BP神经网络在苏南河网圩区排涝模数确定中的运用

为了确定苏南河网圩区的排涝模数,对现状排涝能力进行校核,同时为除涝工程规划提供依据,在分析了常规调蓄计算的基础上,提出了利用BP神经网络建模的方法,并结合苏南水网圩区实例进行了探索,建立了排涝模数确定的BP神经网络模型,给出了模拟预测结果。结果表明,模型具有精度较高、快捷可靠的特点,不失为一种确定排涝模数的良好方法。     

基于粒子群收缩因子算法的BP网络径流预测模型

BP网络模型在径流预测中应用较广,效果较好.但目前对BP网络的初始权重及偏值、学习率、动量因子和训练次数多采用"试错法"来确定,具有较大的不确定性,影响到模型的收敛速度和精度.为此,提出一种利用粒子群收缩因子算法(CFPSO)对BP模型上述参数进行优化的方法,并利用径流预测实例进行检验,计算结果表明该优化方法能够提高BP模型的收敛速度和精度.     

两类模型在大坝变形监测资料分析中的应用

结合某大坝变形监测资料，在定性分析的基础上，分别应用常规统计模型和改进BP模型建立了测值预报模型，分析论证了两种分析方法的异同，重点说明了BP网络的改进方法和注意事项，得出了一些重要结论。     

神经网络模拟降雨径流过程

本文根据水文现象的特性建议了两个网络模型——实时输出反馈网络(ROBIN)和奢侈输出反馈网络(ADONIS)，并与水文模拟网络(HYMN)和传统水箱(TANK)模型进行了比较.结果表明建议的两个网络模型是可行的.     

基于神经网络的管网漏失定位实例研究

为了在复杂且不直观的供水管网中快速实时定位漏点,以某城市区域管网为对象,在其上游、中游和下游各选取3条没有经过训练的管道,进行不同损坏程度的漏损模拟,利用BP神经网络可以逼近任意的非线性映射特点,将模拟数据作为训练样本训练神经网络,建立漏损点位置与测压点压力之间的非线性关系,构建基于BP神经网络的实时漏点定位模型。结果表明,模型预测的漏点位置横纵坐标的平均相对误差分别为4.16%和1.40%,预测的漏点偏移距离最小为6 m。当漏损面积比为0.01时,泄漏流量只有1 L/s,完全可以达到快速定位。此研究成果对实际管网的应用提供了理论基础和技术支持。     

黄河流域水文站网布设与调整研究

阐述了水文站网的主要功能与作用,介绍了水文站网布设的传统与规范,指出了黄河流域水文站网发展现状与不足.根据<水文站网规划技术导则>的规定以及黄河流域的现实情况,提出了黄河流域水文站网布设和调整的目标与方向:深入探索水文规律,为流域规划及治理开发与管理奠定基础;完善暴雨洪水泥沙监测,为防汛和水库调度服务;强化区域水量与水质监测,为水量调度与水资源管理服务;努力实现水生态和水环境监测,为维持黄河健康生命服务.     

高精度平面控制网的建立及一些问题的探讨

简要介绍了高精度平面控制网的一般建立过程及设计方法，同时提出了一些有益建议。     

基于SOFM和BP短期负荷预测方法

基于以自组织特征映射神经网络(Self-organizing feature map,SOFM)先聚类、神经网络再预测的模型以往多用在对疾病、天气方面的预测,由此提出了一种以SOFM与误差反向传播算法的神经网络(Back Propagation,BP)相组合应用为基本原理的短期电力负荷预测的组合模型。该模型主要基于SOFM网络的主要特性聚类,预先将训练样本集采取聚类分析,对其分为具有相似数据的若干子类,再根据每一子类构造一个BP网络模型。利用内蒙古自治区某市的实际日平均负荷数据进行仿真,证明了本文方法的有效性。     

谈组建电力通信网络管理的途径

从电力系统通信网络管理的现状谈起，展望国内外电信网络管理的发展趋势。介绍云南漫湾发电厂通信集中监控系统应用情况，提出面向未来，电力系统通信网络管理应考虑如何向ＴＭＮ过渡。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。     

基于不规则三角网的河网提取算法

本文提出了一种基于不规则三角网(Triangulated Irregular Network,TIN)的河网水系提取算法。讨论了河网水系的结构模式，包括河网水系的组织结构、层次结构和拓扑结构，并给出了河网水系描述的拓扑数据结构。在分析TIN中三角形各边的汇流特性基础上，依据矢量代数理论，讨论了三角形各边和水流方向的关系，并给出了各边汇流特性的判断准则。基于上述理论，设计了TIN的河网水系提取算法，并通过实例进行了分析验证。     

泄洪雾化预测的人工神经网络方法探讨

为了预测高坝泄洪雾化引起的降雨强度分布，本文提出了一种基于人工神经网络的雾化预报模型。该模型将泄洪流量、入水流速、入水角度以及三维河谷地形坐标等作为输入变量，对相应河谷地形内的雾化降雨强度分布进行预测。研究中采用了径向基函数（RBF）网络建模，并且通过在其激发函数中引入Sign—d函数，构造一种混合RBF网络，以改善模型的稳定性和泛化能力。通过东江水电站雾化原型观测资料检验，证明该网络模型在求解泄洪雾化降雨的空间分布方面是适宜而有效的。     

基于BP网络和RBF网络的河道浅滩演变预测模型

利用神经网络BP理论在处理非线性问题上的优势，在分析影响河道浅滩演变因素的基础上，建立了基于MATLAB的河道浅滩演变BP网络模型，实例结果表明，利用BP网络和RBF网络模型对浅滩变化进行预测是可行的，具有很好的应用价值，为河道浅滩演变预测研究提供了新方法。