基于 BP 神经网络的场次洪水河道沙量预报

针对日益严重的河流泥沙问题,掌握河流泥沙的影响因素和泥沙的变化过程是泥沙治理的关键。以神经网络模型为基础,建立场次洪水沙量预报模型,对多沙河流的洪水挟沙量进行预报,并取得较好的预报效果。选择辽西北多沙河流大凌河作为研究实例,首先将1984年-1998年间的29场历史实测洪水资料进行分析,得到影响下游沙量的主要因素;然后,通过神经网络模型建立上游影响因素与下游沙量之间的关系;最后,选取其中6场洪水资料进行验证。模型计算结果表明,计算结果与实测结果误差在合理范围之内,精度符合要求,可以用于下游沙量的预报。     

黄河宁蒙河段洪水冲淤规律分析

分析了1973—2005年宁蒙河段汛期场次洪水的冲淤特性、冲淤效率与下河沿断面水沙量之间的关系。结果表明:当下河沿断面洪水平均含沙量大于7 kg/m3时,宁蒙河段以淤积为主;当下河沿断面洪水平均含沙量小于7 kg/m3时,宁蒙河段以冲刷为主,且流量为2 200～2 500 m3/s时冲刷效率最大,此时洪水总水量应大于25亿m3。     

黄河下游河道冲淤量计算问题研究

沙量平衡方程中，悬沙量差等于测沙误差加区变量。潼关至大坝段，悬沙量差只占断面法冲淤２量的３５％。三门峡站实测悬沙即为全沙，精度较高，推算下游中简１９５２－１９９０年水利沙量测验误差小浪底、利津站分别偏小２．３％和２．４％。花园口，夹河滩站分别偏小９．３％和９．２％，偏小以对量为９．０－４２．４亿ｔ。黄河下游现统测断面较稀，单次测验精度达６８％以上的占７７％；加密实测与现测较少断１３次的冲淤总量相关     

暴雨洪水对黄河北干流河道冲淤的作用

河龙区间支流众多，是黄河的主要产沙区。该区是暴雨多发区，年输沙量往往集中于几场大暴雨。该区洪水主要由暴雨产生，爱暴雨冲击，地表和沟道侵蚀的泥沙，随洪水进入河道。本文从场次暴雨着手，根据降雨量与输沙模数相关图，推求出未控区产沙量，并按沙量平衡原理得出暴雨洪水对北干流河道冲淤的作用。暴雨洪水来源不同，对北干流河道部淤 大。暴雨洪水来源于黄甫川，窟野河等多沙粗沙区，河道发生淤积；洪水来自河口镇以上，河道     

渭河下游冲淤与洪水变化分析

1960年以来,渭河下游共淤积泥沙13．28亿m^3,其中1990—2003年下游河槽淤积加重,淤积量为3．073亿m^3。渭河下游各水文站同流量水位抬高,华阴、吊桥、华县二三站水位分别上升3．14、2．91、2．93m;华县平滩流量逐渐减小,2003年汛前减为历史最小的1000m^3／s,比1958年小4000m^3／s;渭河下游洪水特征发生了变化,洪水过程线由尖瘦型变成矮胖型,峰现时刻明显推后,峰量关系发生变化,洪水历时显著增加,小洪水、高水位、大灾害的现象极易出现。建议采用跨流域引水的方式治理渭河,从秦岭歼凿隧洞引汉江或其他支流补充渭河水源,尤其应该尽快制定渭河综合治理规划,协调渭河水沙关系,维持渭河的健康生命。     

基于MATLAB神经网络的三门峡水库泥沙冲淤变化预测分析

通过理论分析并结合三门峡水库的实际情况，建立了三门峡水库潼关以下库区泥沙冲淤变化和潼关断面水位变化的BP预测模型，并利用MATLAB环境下的神经网络工具箱开发了相应的程序。预测结果表明，该模型程序具有学习能力强、预测精度较高、快速方便等特点，为三门峡水库及其它多沙河流水库的泥沙冲淤预测研究提供了一种可供借鉴的思路与方法。     

渭河下游洪水冲淤特性及不淤临界流量分析

分析了渭河下游1974—2005年不同流量级和含沙量级的200多场洪水排沙比与洪峰流量的关系,结果表明:①渭河洪水可分为平均含沙量小于100 kg/m3的较低含沙量洪水、100~200 kg/m3的中等含沙量洪水和200 kg/m3以上的高含沙洪水;②渭河下游泥沙冲淤主要发生在洪水期,洪水期大流量洪水一般会发生冲刷,小流量洪水一般会发生淤积;③渭河下游洪水不淤临界流量约为2 000 m3/s左右,洪水平均含沙量在100 kg/m3以下和200 kg/m3以上时,洪水不淤临界流量分别为1 000、1 700 m3/s。     

三门峡库区北洛河“94.9”洪水及冲淤特性分析

一、洪水情况1994年7～9月北洛河连续出现了三次洪水,特别是9月1日(氵状)头水文站出现了1933年以来最大一次洪水,洪峰流量达5400米~3/秒,9月2日洪水演进到朝邑站,洪峰流量削减为1800米~3/秒,是朝邑站1964年建站以来最大洪水。本次洪水峰量大,含沙量高,持续时间长,漫滩淤积多,使沿岸工农业损失严重。     

黄河内蒙古段洪水对河道冲淤的影响

分析了黄河内蒙古河道洪水期不同流量级洪水的特征及洪水水沙搭配情况,探讨了不同流量级洪水对河道冲淤的影响。结果表明:①1958—2006年巴彦高勒站最大洪峰流量呈减小趋势,洪水期天数、各级流量洪水出现的场次也呈减小趋势,1987—2006年各量级洪水出现的天数发生变化,小流量级洪水占的比例增大,大流量级洪水占的比例减小;②1958—2006年巴彦高勒站洪水期水量、沙量均呈减少趋势,1987年以后小流量级水量占比例最大,大流量级水量占比例最小;③同一年不同量级洪水的来沙系数比较接近,1987年以后各量级洪水来沙系数增大;④随着含沙量的增大,各量级洪水的单位水量冲淤量增大;⑤小于1 000、1 000～1 500、1 500～2 000、2 000～3 000 m3/s和大于3 000 m3/s洪水河道冲淤的临界含沙量分别为5.0、6.0、8.5、10.0 kg/m3和6.0 kg/m3。     

高含沙洪水的形成及其在三门峡库区的冲淤情况简析

高含沙洪水的形成皆在中游。高含沙洪水有两个来源，一是晋陕峡谷的支流，如窟野河、黄甫队秃尾河、无定河等。二是经、洛、渭河流域，主要是北洛河和径河。由于黄河的洪水主要是暴雨洪水，有一定的区域性，因而高含沙洪水的产生和影响也不同。晋陕间的高含沙洪水一般年份到龙门已减弱，影响三门峡库区但对下游影响不大，径河和北洛河的高含沙洪水一般影响到渭河下游。众所周知，黄河水沙异源，龙羊峡水库的运用使黄河中下游汛期基流减小，高含沙洪水的出现机会增加。高含沙洪水在龙门以上峡谷到禹门口会发生强烈冲刷，有的年份会出现揭河底…     

多元线性回归与BP神经网络模型在次洪量预测中的对比研究

针对半干旱地区次洪量预测问题,选取岔巴沟流域曹坪水文站1980-2010年中15场洪水资料,根据实测次暴雨、洪量资料,考虑淤地坝控制面积、次暴雨量、暴雨中心位置、前期影响雨量等因子,利用SPSS及MATLAB软件,建立用以预测次洪量的多元线性回归模型和BP神经网络模型。模型预测结果比较表明:多元线性回归模型和BP神经网络模型都能较好地应用于次洪量的预测,进一步得出BP神经网络模型的预测效果优于多元线性回归模型。研究结果可为淤地坝的安全度汛提供决策依据。     

基于BP神经网络和遗传算法的丰满水库洪水预报模型研究

根据丰满水库的流域特性,尝试使用BP神经网络模型进行洪水预报。针对随机生成网络权重的盲目性,采用遗传算法进行初始权重优化。通过历史洪水检验,证实此模型在丰满水库的洪水预报中有很高的预报精度和应用价值。     

基于遗传算法改进的BP神经网络模型对汛期潼关高程的计算

将遗传算法全局寻优和BP神经网络局部寻优的特点结合起来,取长补短,解决了BP网络收敛速度慢和易于陷入极小值的问题,大大提高了BP网络的计算精度和收敛速度。并应用该模型,在分析影响汛期潼关高程因素的基础上,对汛期潼关高程的变化量进行了计算。并利用该BP网络模型对不同条件下的潼关高程的变化值进行了预测,模型能很好的反映潼关高程的变化趋势。经过遗传算法改进后的BP网络在降低计算和预测的平均误差的同时,迭代次数比一般BP网络也大大减少。很适合运用在复杂的水库优化调度计算中。     

BP神经网络预测河流月径流量

河流的月径流量是随机变化的，影响因素很多，如人类活动、降雨、下垫面的土壤、植被覆盖情况。利用人工神经网络理论建立BP（Back-Propagation，反向传播方法）网络预测模型，用该模型对河流的月径流量进行预测，BP神经网络模型计算快速，占用内存小，还有很好的容错性，可以得到比较理想的结果，精度高，可靠性好。模型建立之后，将其用于实例，通过对大量样本进行很多次的训练学习，得到训练好的BP网络模型，最后进行预测，得到令人比较满意的结果。     

基于BP神经网络的参照腾发量预测模型

本文在分析影响作物蒸发蒸腾量的气象因子的基础上，以不同的气象因子组合为输入向量，以参照腾发量为输出向量，构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3。利用宁夏引黄灌区2000～2003年的逐日气象资料对所建模型进行反复训练和预测，并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ETO值相比较。其中，BPET1的预测值与ETO值的相关系数平方为0．9914；BPET2的预测值与ETO值的相关系数平方为0．9917；BPET3的预测值与ETO值的相关系数平方为0．9854。研究结果表明，本文构建的模型计算精度较高，方法简便可行，能满足实际生产需要。     

基于BP神经网络模型的水库塌岸预测研究

考虑水库塌岸预测的非线性,构建基于BP神经网络模型的水库塌岸非线性预测模型,以漳河流域内岳城水库为研究对象,结合野外实地勘察数据,对岳城水库塌岸进行预测。研究结果表明:所建水库塌岸非线性预测模型预测结果与实际情况较为吻合,预测的左右岸水库塌岸和实地调查塌岸相对误差分别为1.92%和2.15%,岳城水库左右岸塌岸宽度预测平均值分别为31.8m和36.9m;水库下游预测塌岸速度小于1m/a,中上游塌岸速度大于1m/a,下游库岸态势较为稳定,中上游塌岸趋势将加剧。研究成果对于水库塌岸非线性预测及岳城水库塌岸防治和岸坡加固设计提供参考价值。     

Assessment of water quality by firefly algorithm based on BP neural network model

Assessment of water quality by firefly algorithm based on BP neural network model ( FA-BP model) is built. In this model, the ev aluation index function is constructed by BP Artificial Neural Network Algorithm ( BP model) , and Firefly Algorithm ( FA model) is intr oduced to optimize weight values and thresholds to find the optimal solution. Fuzzy Comprehensive Evaluation method, Grey Incidence Analysis Algorithm and FA-BP model will be applied to evaluate the water quality of the five main rivers in Liany ungang City including Longwei, Yudai, Dapu, Paidan, and Dong yan River. The results show that the Fuzzy Comprehensive Evaluation method is difficult to use for slight pollution rivers with several slightly over standard indexes. It will be easy to ignore the impact of ex treme indexes by Grey Incidence Analysis Algorithm. FA-BP model solves the shortcomings of the two methods. The evaluation results pr ovide an important reference for the formulation of reasonable measures. It is a relatively comprehensive evaluation method and has agood a pplication prospect in water qualit yevaluation.     

基于BP神经网络的水体叶绿素a浓度预测模型优化研究

利用自动监测数据,采用神经网络对水体中叶绿素a含量进行预测,是水体中叶绿素a含量预测的主要手段之一。但受梯度下降法局部搜索的限制,传统BP神经网络模型预测精度和稳定性均存在问题。鉴于此,引入全局搜索的思维进化算法优化BP神经网络权值、阈值,提高叶绿素a预测效率;并采用偏导方法对预测模型输入因子敏感性进行分析,精简模型输入因子。结果表明:在叶绿素a的BP神经网络预测模型中,引入思维进化算法可显著提高网络训练稳定性和精度,预测精度波动范围从[0.364,0.978]提高至[0.917,0.983],平均预测精度从0.950提高到0.968。利用Dimopoulos敏感性分析将模型输入因子从12因子精简为8因子后,平均预测精度从0.968降至0.962,预测精度波动范围从[0.917,0.983]变为[0.921,0.976],预测模型稳定性更好;在输入因子数目均为8条件下,基于Dimopoulos方法敏感性分析结果筛选出的输入因子组合平均预测精度明显高于基于主成分分析法筛选出的输入因子组合。研究可为基于BP神经网络叶绿素a预测模型输入因子优化提供参考,提高模型预测的稳定性。     

贯入法及冲击筛分法检测砌体抹灰 砂浆强度研究

为了解现有的砌筑砂浆强度检测方法的适应性,进行了试验研究。试验中主要采用了贯入 法、冲击筛分法检测普通粘土砖砌体28 d抹灰砂浆的强度,并辅以点荷法,立方体抗压强度予以对 比分析。结果表明,冲击筛分法可以用作普通粘土砖砌体28 d抹灰砂浆强度的检测,而贯入法需要 进一步研究,以获得准确的抹灰砂浆强度回归曲线,方可用于现场检测。