基于BP神经网络模型的河道洪水反向演算研究

河道洪水反向演算在河库联合调度和推求设计洪水的区间组成等方面具有重要意义,直接使用传统的马斯京根法反演效果较差。基于河道上下断面洪水的非线性关系,采用BP神经网络模型训练历史洪水,并用训练得到的网络对下游洪水进行反演。实例应用结果表明,该模型反演结果与实际洪水过程更为接近,具有一定的精度和实用性。     

近50年来沭河流域天然径流演变特征分析

掌握沭河流域天然径流的演变特征是合理开发利用流域水资源的前提,基于沭河流域主要控制站——大官庄站1958~2000年的天然径流资料,采用差积曲线、趋势系数、基尼系数和Mann-Kendall法,并选取逐年累计均值、距平百分比、绝对变幅、绝对变化率等特征指标,分析了天然径流年际变化的丰枯性、阶段性、趋势性和年内分配的不均匀性、年内变化的趋势性。结果表明,大官庄站出现枯水年和丰水年的概率最大,出现平水年的概率最小;径流年际变化经历了3个丰水段、1个平水段和3个枯水段;年、汛期、非汛期及各月径流量均呈减少趋势,仅7月径流量减少趋势显著;20世纪70年代径流年内分配最不均匀,1980年代最均匀;1987年径流年内分配最不均匀,1974年最均匀;基尼系数、绝对变幅、绝对变化率呈减少趋势,但均不显著。     

基于灰色关联分析的GA-BP网络需水预测模型研究

针对城市需水预测涉及因素众多、不同地区影响因子不尽相同且多寡不一及影响因子的选择直接决定需水量预测的结果与实际是否相符等问题,提出了灰色关联分析法、遗传算法和BP神经网络相结合的需水预测模型,并以南京市为例,通过灰色关联分析法筛选出主要影响因素,采用遗传算法优化BP神经网络,构建基于灰色关联分析的GA-BP神经网络需水预测模型。实例应用结果表明,该模型用于需水预测能够比较全面地考虑需水量影响因子,与传统BP网络相比,GA-BP网络预测精度更高,训练速度更快,可作为资料时间序列较短情况下一种较好的需水预测方法。