共查询到10条相似文献,搜索用时 15 毫秒
1.
人工神经网络在黄河下游灌区的应用研究 总被引:2,自引:1,他引:2
人工神经网络误差反传前馈网络(BP神经网络)在水科学领域应用最为广泛。运用BP神经网络对黄河下游引黄水量进行了预测,采用1983—1992年资料建立了引水量与降水量、灌溉面积、灌溉定额的多元线性回归模型,对计算的引黄水量进行比较。结果表明,BP法精度明显高于线性回归法。 相似文献
2.
针对文献[1]中应用一般多层前向人工神经网络,建立水流挟沙力模型存在计算精度低的问题,提出应用双并联前向人工神经网络,建立水流挟沙力模型。给出了双并联前向人工神经网络的具体结构和相关计算公式,输入、输出信息的处理方法。针对文献[1]中的测试数据,得出了相应的双并联前向人工神经网络水流挟沙力模型。模型的计算结果表明,用双并联前向人工神经网络建立水流挟沙力模型,可以使计算精度得以提高。 相似文献
3.
根据水量平衡原理,建立了黄河下游灌区引黄灌溉需水量中期预测方法。分析了引黄灌溉需水预测基本原理,阐述了作物需水量、有效降水量、斗渠以下灌溉水利用系数、引黄灌溉需水量分离等引黄灌溉需水预测的关键参数和方法。作物需水量可采用修订的Valiantzas方程进行预测;有效降水量预测可采用美国垦务局推荐方法;斗渠以下灌溉水利用系数可采用该系数与末级渠道灌溉控制单元至支渠分水口的距离、渠道衬砌率等的线性方程估算;引黄灌溉需水量的分离可采用高精度遥感技术确定引黄灌溉面积,并通过本文提出的计算方法,从灌区供水水源中分离出引黄供水需求量。上述关键技术问题的研究可以为黄河下游农业用水需求预测提供技术支持。 相似文献
4.
5.
6.
针对水轮机试验中需要对试验结果进行整理的问题,提出了应用双并联前向人工神经网络建立水轮机特性数学模型的方法,用双并联前向人工神经网络建立的水轮机特性数学模型具有表达简单、精度高等特点,同时还可以对试验成果进行一定的修正,能满足实际应用需要。 相似文献
7.
1 下游引黄现状及水库供水任务 1.1 下游引黄现状 近几年来,黄河下游年引黄总水量达108.5亿m~3(统计期为1983~1990年,下同),扣除少部分城镇生活、调剂内河、淤改用水及向外流域输水,灌溉用水约97.0亿m~3,占下游引黄总水量的89.4%。黄河下游引黄灌溉用水主要集中在3~6月的春灌期,而此时适逢黄河的枯水季节。据统计,近年来3~6月引水约占全年引水量的51.5%,相当于同期来水的54%;7~9 相似文献
8.
改进多元回归法与神经网络应用于水质预测 总被引:2,自引:0,他引:2
为提高水质预测模型的精度,在传统算法的基础上,提出了改进多元非线性回归算法,并以黄河干流龙门至潼关监测断面的水质预测为例,与神经网络算法进行了比较计算。结果表明,两种模型均可用于黄河水质预测,改进多元非线性回归模型预测效果略优于人工神经网络模型。 相似文献
9.
探讨了不同计算时段对黄河下游灌溉引沙量计算值的影响,认为用日含沙量计算,更接近实际引沙量,并能减少一些高含沙洪水期间不引灌的影响,但计算结果偏大。由此看出,灌溉引走了水,但引沙量并不是很大,而且加重了下游河道淤积。因此应提倡节水型灌溉,最大限度地减少引黄水量。 相似文献