基于BP神经网络的长江口深水航道回淤量预测

长江口12.5 m深水航道在发挥巨大经济效益和社会效益的同时，航道回淤量大、时空分布高度集中的间题突出，每年需投入大量的维护疏浚力量。长江口深水航道维护一般以月为时段安排施工力量，但月度回淤强度大且时空变化明显，导致如何精准预测航道回淤量成为了一个重要技术难题。根据2016～2018年实测水文资料和航道回淤机制，筛选了影响航道回淤的主要影响因子，建立了多影响因子作用下的长江口深水航道回淤量BP神经网络高精度预测模型，比较并推荐了训练和预测网络的隐含层数及各层神经元数；选取2016～2018年长江口长序列的水文资料进行预测模型训练，并选取2019年资料对预测模型进行验证，证实了模型选取的影响因子及构建的预测模型的合理性，验证了模型具有较高的航道回淤量预测能力和空间分布预测精度，研究成果可为航道维护的科学管理和疏浚船舶的合理调度提供参考。