首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  国内免费   1篇
  完全免费   2篇
  水利工程   8篇
  2020年   1篇
  2015年   3篇
  2012年   1篇
  2008年   1篇
  2007年   1篇
  2002年   1篇
排序方式: 共有8条查询结果,搜索用时 33 毫秒
1
1.
冬小麦田间墒情预报的BP神经网络模型   总被引:31,自引:2,他引:29  
土壤墒情预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物长势等的影响,关系比较复杂。本文利用北京市永乐店试验站冬小麦返青后的土壤水分试验资料,建立了土壤墒情预报的BP网络模型,模型中同时考虑了多个因素对土壤贮水量的影响。利用部分实测资料对网络进行训练,然后对2年不同灌水处理下的土壤贮水量进行预测,取得了较好的效果,表明BP神经网络用于墒情预报是可行的。  相似文献
2.
河道洪水概率预报方法研究   总被引:2,自引:0,他引:2  
河道洪水预报对防洪减灾和水资源的综合利用有着重要的现实意义。考虑到水文预报不确定性的水文风险,为了更科学地对河道洪水进行预测,提出将贝叶斯方法的思路引入到河道洪水的概率预报中,计算预报流量的概率密度分布和置信区间,获得河道洪水的概率预报结果,为防洪决策提供更丰富的信息。  相似文献
3.
NEURAL NETWORK MODELING FOR ESTIMATION OF SCOUR DEPTH AROUND BRIDGE PIERS   总被引:1,自引:0,他引:1  
It is essential to predict the scour depth around bridge piers for hydraulic engineers involved in the economical design of bridge pier foundation. Conventional investigations have long been of the opinion that empirical scour prediction equations based on laboratory data over predict scour depths. In this article, the Back-Propagation Neural Network (BPN) was applied to predict the scour depth in order to overcome the problem of exclusive and the nonlinear relationships. The observations obtained from thirteen states in USA was verified by the present model. From the comparison with conventional experimental methods, it can be found that the scour depth around bridge piers can be efficiently predicted using the BPN.  相似文献
4.
关于BP神经网络的优化,鉴于大多数的思路都集中于提高单个预测器的预测精度,首次提出了基于有限次残差拟合的BP神经网络组合模型。结果显示,在经典BP神经网络适用的情境下,组合模型能够有效提高预测精度,此外,进一步证实其预测精度优于遗传神经网络(GA-BP),且建模效率比GA-BP提高99.2%。  相似文献
5.
明波  刘冀  吕翠美  董晓华 《人民长江》2012,43(17):61-64
为进一步提高径流预报精度、降低预报的不确定性,利用小波分析法提取径流系列的概貌和细节成分;采用BP网络模型、RBF网络模型、SVM模型分别模拟预报,进行径流分级。根据不同级别的径流,对预报结果予以变权重组合,构建了基于小波分析的径流分级组合预报模型,并对其预报结果作了分析和总结。宜昌站中长期径流预报结果表明,组合预报模型能够较好地提高预报精度。  相似文献
6.
为了建立适应于洞庭湖区域地下水资源量变化规律的预测模型,在分析洞庭湖区域河川天然径流量、长江三口入水量、城陵矶出水量与地下水资源量相关性的基础上,分别利用多因子逐步回归模型、BP神经网络模型和多变量时间序列CAR模型建立了3种洞庭湖区域地下水资源量预测模型,并对所建立的3种模型的预测精度和预测结果整体规律进行了对比分析。研究结果表明:地下水资源量与河川天然径流量、长江三口入水量、城陵矶出水量具有较好的相关性;多变量时间序列CAR模型的预测精度较好,BP神经网络模型的预测精度次之,而多因子逐步回归模型的预测精度较差;多变量时间序列CAR模型的预测结果整体规律优于BP神经网络模型,而BP神经网络模型的预测结果整体规律则优于多因子逐步回归模型。  相似文献
7.
针对水文时间序列的非平稳性特征,以长江三峡宜昌站1904~2003年年平均流量为例,分别建立了小波分析(WA)与BP神经网络和径向基函数神经网络(RBF)耦合的预测模型,探究了两种组合模型的预测效果,并与传统的单一人工神经网络模型对比;并采用5种常见的预测性能评价指标分析预测效果。结果表明:组合模型预测成果的精度较单一模型显著提高;组合和单一模型中RBF网络模型均优于BP网络模型;小波径向基函数神经网络组合模型具有较优的预测精度和泛化能力,是提高预测精度的有效方法,在径流预测中具有可行性。  相似文献
8.
针对现阶段水质监测中存在的水质变化响应滞后问题, 提出了采用灰色预测法、人工神经网络( BP 神经网络、 径向基神经网络、广义回归神经网络) 以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测 断面为例, 并依据后验差检验比值 c 及小概率精度 p 对模型预测效果进行了分析。结果表明, 对年内预测, 通过广 义回归神经网络的动态预测值平均相对误差为 01 61% , 后验差检验比值小于 01 65, 小误差概率大于 01 7; 采用灰色 结合广义回归神经网络的方法对水质 pH 值进行预测, 平均相对误差仅有 01 85% , 后验差检验比值小于 01 65, 小误 差概率等于 1。研究结果还表明, 对年际预测, 灰色结合 BP 神经网络和灰色结合径向基函数神经网络的动态预测 值平均相对误差分别为 01 57% 和 01 80% , 其后验差比值都小于 01 5, 小概率误差都为 01 9, 大于 01 8。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号