共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
分别利用分期平稳自回归模型——AR模型(Autoregressive Model)和BP人工神经网络模型(Back Propagation Artifical Neural Network Model)对二滩水电站的日平均流量序列进行了预测.通过计算可知,分期平稳回归模型和人工神经网络模型都可以很好的解决日平均径流的预测问题,误差都比较小.但分期平稳回归模型计算繁琐,不能及时、快速得到计算结果,而人工神经网络模型计算快速,占用内存小,还有很好的容错性,在数据不完全的情况下,也能及时准确地得到径流预报值. 相似文献
3.
在保凸保单调的分段幂函数的基础上,进一步引入自动分段机制,解决分段幂函数在水位流量关系拟合中分段点难以界定的问题.使用自动分段机制后的模型待求参数更多,求解更复杂,因此使用鲁棒性强、收敛速度快且全局寻优性能优异的人工蜂群算法进行求解.研究结果表明,引入人工蜂群算法可以更好的拟合关系曲线,水位流量关系曲线率定求解更加有效. 相似文献
4.
在资料整编中,采用传统方法获得稳定的水位流量关系曲线有一些缺点;而采用单一目标函数的优化模型拟合水位流量关系,又无法保证一次性获得符合假设检验的最优解.通过分析以往采用的幂指数型数学模型存在的问题,建立了加权有约束优化模型,将有约束问题转化为无约束问题,并采用粒了群箅法求解,保证了求得的解为满足相关要求的全局最优解,解决了水位流量关系曲线模型参数的伞自动率定问题. 相似文献
5.
时间序列模型在径流长期预报中的应用研究 总被引:3,自引:1,他引:2
自回归积分移动平均法(ARIMA法)通过对噪声概率分布的研究,可知道预测在各种概率下可能出现的偏差大小,能很好地处理随机干扰问题.随着计算机技术的发展,该方法的计算工作量大的缺点,也迎刃而解.介绍了ARIMA预测模型的建模原理和建模方法,并将该方法应用到塔里木河上游源流卡群水文站的年径流量预报中,以误差在±20%以内为全合格标准,合格率达到90%以上. 相似文献
6.
无压渗流有限元分析的改进初流量法 总被引:2,自引:1,他引:1
目前常用的裂隙岩体渗流等效连续介质模型中在初流量域的积分误差是由于积分中选择高斯点作为初流量判定依据和积分值所致。因此本文引入连续调整系数法对利用初流量法求解自由面的计算精度问题进行了改进,并利用矩形均质坝渗流的实例对改进模型计算精度和收敛性进行了验证。实例表明,经改进的初流量法稳定性和收敛性良好。 相似文献
7.
8.
9.
10.
短管在水电站、泵站等引水、输水管系中普遍存在,采用特征线法计算有压管道系统瞬变流时,为了满足计算收敛和稳定性,计算时间步长受最短管的限制,导致计算耗时较长。采用集中惯性元件模型对管道刚性化处理,可以解决计算耗时的问题,但破坏了相邻节点求解的独立性,给管系中相关边界的处理带来麻烦。结合刚性模型求解在耗时上的经济性和弹性模型在边界模型处理时的方便性,构建了短管相容性求解模型。在不降低计算精度的情况下,使得刚性部分仍可采用弹性模型求解,有助于复杂管系求解模型的通用化和标准化,方便求解程序的编写与维护。 相似文献
11.
分析了基于实测的考虑时变性的自适应(TVA)负荷模型和考虑配电网支路的配电网综合负荷模型(SLM),并利用现场的实测数据对2种模型进行了回响测试,以比较2种模型在仿真计算中的准确性。在分别考虑辨识配电网阻抗与定配电网阻抗2种情况下,利用实测数据对SLM的参数进行了辨识与测试,进而推出了使用基于全网数据辨识参数的SLM计算结果偏于保守的原因,并以吉林电网为算例进行了模型泛化能力的比较。最终得出结论:对于吉林这类通道型电网,这2种模型的泛化能力与其模型结构关系较小,与模型参数关系较大。 相似文献
12.
13.
介绍了相关解集模型的特点,模型,参数估计及应用MATLAS求解模型中高阶矩阵的方法,并用实例进行了模拟。 相似文献
14.
本刊发表的“多相流的随体导数和基本方程”,一文认为对多相流的随体导数必须重新研究、定义,以使单流体模型和多流体模型能获得统一,并提出了一套建立随体导数的方法。本文作者认为[1]文的分析不仅在概念上有许多混淆之处,而且所提出的随体导数有些牵强附会,缺乏明确的物理意义,结果并没有使单流体模型和多流体模型真正统一。本文就随体导数的本来含义进行推导、分析,指出单流体模型和多流体模型的统一性。 相似文献
15.
16.
This article investigates the influence of conceptual flow simulation model parameters (i.e coefficients and constants that need to be estimated in calibration) on model solution (surface runoff) to understand the characteristics of the model. A new conceptual watershed yield model (WYM) was employed. There are four physical parameters, two fitting coefficients and two initial estimates of the surface water and groundwater storagesthat control the functioning of the model. The conceptual model was applied on Ling River near Kahuta and detailed sensitivity analysis was performed to explore the most sensitive model parameters. The most sensitive model parameters worked out were C
g (a fitting coefficient, which reflects the rate at whichgroundwater runoff occurs), w
r (watershed retention is the initial rainfall losses before runoff begins), p
gr (inputparameter that reflects the discharge capacity of the groundwateraquifer). The model parameters like i
c (infiltration coefficient), g
wsm (input parameter that depends on the subsurface storage available in the watershed) and e
p (input parameter) have negligible effect on model solution. It was observed that w
r (watershed retention) is the only surface runoff controlling parameter and p
gr and C
g are the groundwater runoff controlling parameters. 相似文献
17.
基于神经网络的水沙运动预报模型与回归模型比较及应用 总被引:14,自引:3,他引:11
河道水沙运动过程中是一个复杂的非线性动力学过程,鉴于神经网络具有很强的处理大规模复杂非线性动力学系统的能力,本文将神经网络理论应用于河道水沙运动规律的模拟与预报,以期识别水流泥沙运动变化过程与其影响因素因子之间的复杂非线性关系,为河道水沙模拟和预报提供一条新的方法和途径。在此基础上将神经网络模型与传统回归模拟进行了对比分析并用于螺山站流量大于5000m^3/s的水沙规律模拟,两模型模拟结果与实际水沙规律一带,神经网络模型在水沙因素选择方面回归模型简单,有较成熟的数学理论基础,而回归模型数学表达直观,易于理解。 相似文献
18.
19.
在一个物理模型上,同时完成应力测验和破坏试验,以及在同一模型上,作强度储备安全系数试验,是实验力学工作者,长期试图解决的一项技术难题。问题的难点是:高容重、低弹模的地质力学模型材料,不能定量地测出应力,而应力模型材料,又不能满足破坏阶段的本构关系,而且,要在物理模型上同时满足外荷载和坝身、基岩自重同步增加,也存在困难。论文作者,在满足物理模型相似条件的基础上,提出了用离心机作为加载工具的办法,解决了上述的困难问题,成功地在同一模型上实现了应力和破坏试验,并获得了强度储备安全系数,从而,提高了模型试验精度,缩短了提供成果周期,节省了试验经费和人力、物力。在“讨论”一节中,作者对一些通常认为有疑虑的问题,作了论证和说明。 相似文献
20.
河工物理模型和泥沙数学模型的关系 总被引:1,自引:0,他引:1
河工物理模型试验和泥沙数学模型均是预测水沙运动和河床演变的重要手段。这两种模型的共同点是都要先经历一个初步设想阶段 ,模型中需要模拟的物理因素间的关系要予以确定。两种方法都必须进行某些简化与近似 ,而且必须适应原型的实际情况 ,在数学模型里要选用合适的经验系数 ,而在物理模型里要变化模型的糙率。这两种方法的主要差别在于数值模型需要制定描述流场的方程式 ,而水力模型则需要确定作用力 ,据此确定相似准则数。将两者有机结合起来的混合模型 ,可用以解决单一模型不易解决和不能解决的问题。两种模型的结合除能起相辅相成作用外 ,还能起到互相补充验证的作用。混合模型作为一种新的研究手段 ,将是今后发展的重要方向。 相似文献