河道洪水演算方法之间参数关系的研究

本文根据累积量定理推导了马斯京根法与扩散模拟法、加里宁一米留柯夫法与扩散模拟法之间参数关系的表达式,并与参数关系的水动力学推导作了比较,结果表明两者完全一样,本文还给出了滞时演进法与扩散模拟法之间参数的关系、河道洪水演算方法之间参数关系的研究,对概念性流域地貌汇流模型的建立具有一定的理论价值,而且对于认识汇流参数的推移和坦化作用以及汇流模型之间的比较均具有一定的实用价值.     

基于误差修正的BP神经网络模型在河道洪水预报中的应用

针对经典BP神经网络模型,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值,据此提出了一种计算输入输出向量的归一化公式,并建立了具有洪峰识别的洪水预报BP网络预报模型。采用新模型对宜昌水文站典型年实测流量过程进行了预测检验,其结果与实测值较吻合,对流量过程及洪峰流量过程的预报精度较经典BP模型高。     

多支流河道洪水演算方法的研究

本文借助虚拟单元河段概念研制了适用于多支流河道洪水演算的水力学方法。该法基于描述河道水流运动的St.Venant方程组的数值解,可以解决水文学洪水演算法不能解决的一些问题。     

基于BP神经网络的大伙房水库洪水预报

鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。     

遗传门限回归模型在河道洪水预报中的应用

提出了基于遗传算法的一套操作简便、通用的ＴＲ建模方案,并成功地将ＴＲ模型用于相应流量法去预测洪水,实例计算的结果说明其可行性和有效性。     

基于LM-BP神经网络的湿球温度计算模型

湿球温度是电力工程中常用的气象设计参数,而目前气象站安装的地面气象自动观测设备中无湿球温度观测工具,且已有的湿球温度计算方法存在不足。为了满足工程设计需要,分析了湿球温度与干球温度、相对湿度、大气压强及平均风速等4个气象参数的非线性关系,建立了基于LM-BP神经网络的湿球温度计算模型,并将其应用于潍坊气象站湿球温度计算中。结果表明,该模型计算精度较高,且较为合理地反映了湿球温度与干球温度等影响因子之间复杂的非线性关系。     

河道洪水演算的MC-RCM模型及其比较研究

MC-RCM模型是一种在马斯京根法的基础上引入水位流量曲线的洪水演算方法,为进一步验证MC-RCM模型在实际河段中及不同演算条件下的精确性,分别采用试错法、最小二乘法、马斯京根—康吉法及MC-RCM模型四种演算方法对长江李庄至泸县段的10例天然洪水进行流量演算分析,并引入五种评价指标,比较了MC-RCM模型与其他演算方法在不同演算时段下流量演算精度、演算可靠性、演算洪峰流量精度等方面的优劣。结果表明,MC-RCM模型在流量演算精度、演算可靠性、演算洪峰流量精度上相比其他方法均具有一定优势,且在较长演算时段中优势更为明显。因此,MC-RCM模型作为河道洪水演算的可靠方法,可在水文资料充分的情况下修正或校验马斯京根法的演算成果。     

洪水预报误差在河道演算中的传递分析

考虑入流过程洪水预报误差的随机性,基于Nash汇流理论建立了河道洪水演算的随机模型,在预报误差近似独立且服从正态分布时,推导了出流过程的计算公式和方差函数,定义了洪水预报误差随机性的传递函数,分析了洪水预报误差的随机性在河道洪水演算过程中的传递特征。实例应用结果表明,上游入流的洪水预报误差经过河槽调蓄或经由Nash汇流模型演算后,其不确定性会大为降低。同时,根据建立的河道洪水演算随机模型,还可以确定出流过程的置信区间,从而为估计河道防洪控制断面可能出现的风险提供理论依据。     

基于多层BP神经网络的回转窑内物料传输模型研究

在回转窑实验台上对5种不同物性参数的固体废弃物料和窑内风速、回转窑转速、回转窑倾角改变的情况下,获得了物料MRT（MeanResidual Time）的变化规律：随着回转窑转速的提高、倾角增大和窑内风速增加,MRT减小;物料的物性参数中,休止角对MRT影响较大,休止角大的MRT小,而密度的变化影响相对较小。以上各影响因素对于MRT的敏感性差别较大：回转窑转速对MRT比较敏感;转窑倾角的敏感性则比较均匀;窑内风速在小回转窑转速、低窑内风速时对MRT较为敏感。针对回转窑内物料传输过程中影响因数众多、非线性机理强烈的特性,运用多层BP神经网络模拟了MRT与各因素之间的映射关系,建立了非线性传输模型,对模型中40组实验数据的验证结果显示,该模型预测值与实验结果较好吻合,平均相对误差为4．1％,能正确反应物料在回转窑内的传输过程。     

基于BP神经网络的面板堆石坝参数反演分析

高面板堆石坝的有限元计算分析中本构模型与模型参数的选取至关重要,尤其模型参数的选取与实际参数存在一定的差异性。根据面板堆石坝的特点,结合实测资料,基于BP神经网络选用合理方法构造参数训练样本,并给出了参数反演步骤,对坝体主、次堆石区的邓肯E-B模型参数反演与三维有限元进行了比较分析,计算结果与实测资料较为吻合。     

基于KG-BP神经网络在秦淮河洪水水位预测中的应用

为了提高BP神经网络模型的预测精度,提出了一种基于KNN算法及GA算法优化的BP神经网络的水位预测方法(KG-BP),即通过KNN邻近算法从全样本数据中剔除与待测点相关度较低的样本集,并允许保留K个"优质"训练数据集;将筛选出的"优质"训练数据集代入GA算法中实现初始权阈值的优化;再将"优质"的样本和初始权阈值代入BP模型中进行训练。将该预测方法应用于东山站水位实际预测中,并与BP模型、GA-BP模型的预测结果进行对比分析,验证了KG-BP模型具有较高的预测精度。     

基于BP神经网络的汽车散热器性能研究

利用较新的BP神经网络预测方法,构造了汽车散热器预测模型,对管带式、管芯式汽车散热器进行了预测,预测值和试验值吻合,说明利用BP神经网络方法对汽车散热器性能进行预测,方法是可行的。     

GPS高程拟合的BP网络结构探讨

通过GPS高程拟合的BP网络应用，讨论了BP网络的结构确定和应用训练样本数量的实例，介绍了BP网络在水利工程高程测量数据处理这类函数逼近中的应用。结果表明，BP网络有很强的实用性，其数学模型在GPS高程拟合的应用有较高的拟合精度。     

基于滚动的BP神经网络的光伏发电功率预报

鉴于准确预测光伏发电功率可减少大规模光伏并网发电对电网造成的冲击,以河南省某并网的光伏发电站7~11月共5个月的数据为例,通过建立非滚动的和滚动的BP神经网络模型,分别进行数值预报辐射订正和发电功率预报,并对预报的72h结果分为第1、2、3d分别进行检验。结果表明,滚动的BP神经网络对辐射订正和功率预报均具有较好的泛化能力,方法简便、实用,能够有效降低光伏发电功率的预报误差。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

基于BP神经网络算法的矿井通风系统可靠性研究

矿井通风系统作为煤矿生产过程中的关键系统,对监测和预警机制有着非常重要的作用。借助BP神经网络算法,针对煤矿井下通风系统的预测模型,分析了BP神经网络算法原理。通过对BP神经网络测试结果分析可知,BP神经网络算法能满足矿井通风系统的预测,且预测精度能满足煤矿井下通风系统的使用条件。     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。