人工神经网络模型在流域水沙预报中的应用

运用BP人工神经网络模型的基本原理 ,根据流域产流产沙的基本规律 ,以流域降雨条件为基本影响因子 ,由流域实测资料建立了BP神经网络模型。该模型具有很好的学习和泛化性能。同时该模型能用于评价流域内人类活动因素对流域产流产沙规律的影响。将该模型应用于兴山、碧溪、顺利峡站 ,并与实测资料进行了分析比较 ,结果表明 ,模型基本合理、可靠     

人工神经网络在水质预测中的应用研究

选取水质指标之一的溶解氧DO作为测算因素,研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明:3种不同学习算法的预测效果均较理想,其中以L-M法预测结果最为精确,人工神经网络在水质预测方面有着良好的应用前景和推广价值。     

人工神经网络方法在水文预测中的应用

基于MATLAB软件,建立BP神经网络模型,以盘龙河干流上下游水文站月均流量和水位为研究对象,对人工神经网络研究方法在水文预测中的应用进行了初步尝试.结果表明该方法预测成功率较高,并分析了该方法在预测过程中的优缺点.     

人工神经网络在城市用水量预测中的应用进展

人工神经网络是一门新兴的交叉学科,用人工神经网络能解决很多传统方法无法解决的问题。从20世纪90年代开始把神经网络模型引入到用水量预测中,已对其进行了大量的研究。对人工神经网络在城市用水量预测中的应用现状进行了介绍,并指出目前应用中存在的主要问题及今后的研究方向。     

人工神经网络模型在枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004-2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型.为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验.结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高.     

人工神经网络模型在白城地区枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

人工神经网络在水文水资源水环境系统中的应用研究进展

在简要介绍了人工神经网络（ANN）的独特性能和应用于水文水资源水环境系统的研究意义的基础上，从预测预报、分类识别、优化调度与计算、环境水质评价评估等诸多方面详细综述了国内外的应用研究进展，文中还探讨了今后的研究方向．     

泾河流域水沙变化水文分析

1990 1996年泾河流域水沙变化特点为 :①年输沙量及洪水输沙量比 80年代明显增大 ,增幅分别达 47%和 49% ;②“96·7”洪水干流泾川和杨家坪水文站实测最大洪峰流量分别达 3 3 2 0和 5 0 60m3 /s ,均为建站以来的最大值 ;③单位毫米汛期降水产洪产沙量为 5 0年代以来最大。“水文法”计算结果表明 :1970～ 1996年 ,泾河流域年均总减水量 7.85 1亿m3 、总减沙量 0 .70 9亿t ,其中人类活动减水减沙居主导地位 ,年均减水 5 .487亿m3 、减沙 0 .5 5 9亿t ,分别占总减水、减沙量的 70 %和 79% ;降水影响年均减水 2 .3 64亿m3 、减沙 0 .15 0亿t。     

基于人工神经网络的河川径流实时预报研究

将人工神经网络技术应用于河川径流实时预报，建立起河川径流实时预报的BP网络模型，并针对经典BP算法所存在的缺陷，采用共轭梯度优化和误差反向传播训练算法，使得所建立的BP网络模型的收敛性大为改善，消除和避免了实际应用中可能出现的局部优化问题．利用西大洋水库1975～1995年的入库径流系列资料，对所建立的BP网络模型进行训练和检验，同时探讨了网络结构对网络模型预报结果的影响．通过大量的实际应用和对比分析，表明BP网络模型比HG分析模型和相关图法更优越、更具有实际推广和应用价值．     

门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

人工神经网络与遗传算法在多泥沙洪水预报中的应用

由于水沙作用机制和演进规律的复杂性，以及河道形态变化等因素，多泥沙洪水预报一直是洪水预报的难点，对高含沙洪水快速、准确的预报是多年来国内外专家十分关注的课题。作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。检验结果表明，该方法能够较好地识别多泥沙洪水的演进规律，对水位、流量和含沙量都能进行合理预报。     

The Research and Application of BP Neural Networks in River-basin Water and Sediment

1　ＩｎｔｒｏｄｕｃｔｉｏｎＲｉｖｅｒ-ｂａｓｉｎｗａｔｅｒａｎｄｓｏｉｌｙｉｅｌｄｉｓａｃｏｍｐｌｅｘｎｏｎｌｉｎ ｅａｒｓｙｓｔｅｍ．Ｆｕｎｄａｍｅｎｔａｌｌｙｓｐｅａｋｉｎｇ，ａｓａｒｅｓｕｌｔｏｆｍｕｔｕａｌｆｕｎｃｔｉｏｎｏｆｒａｉｎｆａｌｌａｎｄｂａｓｉｎｕｎｄｅｒｌｙｉｎｇｓｕｒｆａｃｅ，ｉｔｉｓａｍａｔｈｅｍａｔｉｃａｌｍａｐｐｉｎｇｆｒｏｍｒａｉｎｆａｌｌａｎｄｂａｓｉｎｕｎｄｅｒｌｙｉｎｇｓｕｒｆａｃｅｔｏｒｕｎｏｆｆａｎｄｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔ．Ａｓｂａｓｉｎｕｎ…     

流域产沙量预测的神经网络模型

流域产沙量演变规律的研究对于工程设计、水土流失规划与治理具有重要作用。由于其影响因素多、演变过程复杂,目前,对流域产沙量的研究主要侧重于定性分析,这就造成了缺乏理论基础及精度不高的缺陷。人工神经网络能以非显式表示产沙量与其影响因素之间的非线性复杂关系,将其应用到流域产沙量的拟合与预测中,在改进BP网络不足及优化确定网络结构的基础上,建立了云南楚雄州龙川江流域产沙量预测模型,通过对预测样本的检验,表明其具有比较高的精度,基本能够反映龙川江流域产沙量的演变规律。     

Hydrologic Data Exploration and River Flow Forecasting of a Humid Tropical River Basin Using Artificial Neural Networks

The applicability of artificial neural networks (ANN) for modelling of daily river flows in a humid tropical river basin with seasonal rainfall pattern is investigated and the model performance assessed using the commonly adopted efficiency indices. Although the developed model showed satisfactory results for rainy period, the predicted hydrograph for the low flow period deviate from the observed data considerably. The rainfall and discharge data available for modelling is explored using Self Organizing Maps (SOM) and the subset of data having definite relationship between the selected hydrologic variables identified. The alternate approach for modelling of river flows utilising the knowledge from SOM analysis has improved the model results. The results show that ANN models can be adopted for forecasting of river flows in the humid tropical river basins for the monsoon period. Input data exploration using SOM is found helpful for developing logically sound ANN models.     

离散Hopfield神经网络在湖库营养状态评价中的应用——以全国24个湖库富营养化等级评价为例

基于离散Hopfield神经网络联想记忆特性,建立了湖库富营养化等级综合评价模型,对全国24个湖库进行富营养化等级综合评价,并与文献投影寻踪法、评分指标法和LM-BP网络法的评价结果进行比较。结果表明:①离散Hopfield神经网络运用于湖库营养化等级评价具有简单、直观,容易实现等优点,其评价结果令人满意;②一般离散Hopfield神经网络并非适用于任何富营养化等级评价,当评价对象单项指标(因子)间存在较大差异时,对象将得不到正确的评价。     

基于人工神经网络的钢筋混凝土受弯构件正截面抗裂预测

钢筋混凝土构件抗烈度预测受多种条件因素的影响,现有的方法由试验实测数据建立的数学模型误差较大,因此有必要寻求一种精度较高的方法进行抗烈度预测。通过实测试验数据,训练形成一个三层BP网络,其中78组数据作为学习样本,另外9组数据则作为测试样本,建立了人工神经网络预测钢筋混凝土正截面抗裂性能的方法,还对其他模型抗裂性能的计算值与实测值进行了比较。该方法预测值与试验值吻合良好。结果表明,提出的人工神经网络预测钢筋混凝土正截面抗裂度预测方法具有对直接参与训练的数据仿真效果好,整体预测精度高,与理论分析得出的结论基本一致,可用于受弯构件抗烈度预测。     

基于地块间水沙运移的黄土丘陵沟壑区小流域侵蚀产沙模型

根据黄土丘陵沟壑区的侵蚀产沙规律，在晋西羊道沟小流域建立了坡面、沟坡和沟道侵蚀产沙子模型；在GIS的支持下计算出小流域地块间水沙汇流网络，并引入到小流域侵蚀产沙模型中，使小流域侵蚀产沙成为有机结合；模型对羊道沟22次侵蚀性降雨的侵蚀模数具有78．4％的预报精度，对羊道沟1956－1970的年侵蚀模数具有76．1％的预报精度；模型并通过了晋西汾河上游两个小流域的可移植性检验。