山区中小河流治理成本的BP神经网络估算模型

建立合适的工程造价估算模型对项目法人在工程规划阶段更好地估算中小河流治理投资非常重要。首先通过分析山区中小河流治理工程的特点,确定天然坡比、河道走势、水流流速、治理长度等8个工程特征指标作为神经网络输入向量,然后基于神经网络原理,建立山区中小河流治理成本BP神经网络估算模型,并选取已建山区中小河流典型治理工程资料对该模型进行了验证。结果表明:该造价估算模型有较高的精度,能满足山区中小型河道治理工程造价估算需要。     

基于遗传优化LMBP算法的变形分析与预报

本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明：优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。     

基于PSO-SVM的来水量预测模型

由于中小河流径流量复杂的变化特征,来水量有效预测模型建立较为困难,建立来水量预测的支持向量机模型,并对支持向量机进行了优化,选取河流径流量的数据样本对模型进行训练与预测,与实际值进行比较,同时用BP神经网络模型对相同的数据样本进行预测,并对两种模型的预测数据进行分析比较,结果表明,改进的支持向量机(PSO-SVM)具有较高的预测精度。     

LM—BP神经网络在于桥水库水质预测中的应用

利用BP神经网络的改进算法（L-M）,通过对大量样本进行多次的训练学习,建立于桥水库水质预痢模型,用该模型对于桥水库高锰酸盐指数、五日生化需氧量、氨氮、溶解氧等污染指标进行了预测,预测结果表明,LM—BP神经网络模型用在于桥水库水质预测时是可行的,可以得到较为理想的的精度和可靠度。     

Matlab仿真平台下大坝位移BP神经网络模型研究

基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝位移实测数据,建立了3种不同改进BP算法的多层前馈神经网络模型。并通过LM算法、BR算法、GDX算法的BP网络模型的拟合、预报结果,对3种模型的应用效果进行了比较分析,得出了LM算法的BP网络更适合用于建立坝顶位移监控模型的结论,以实现对大坝位移实时、有效的监控。     

改进BP神经网络预测埋地金属给水管道外腐蚀速率的研究

针对埋地金属管道腐蚀影响因素多和腐蚀速率预测困难等问题,采用BP神经网络可建立腐蚀因素间复杂的非线性关系,进而预测腐蚀速率。分别采用标准BP算法和各种改进BP算法对埋地金属给水管道的外腐蚀速率进行预测,改进BP算法预测精度最高,且收敛速度最快,是腐蚀速率预测的有效工具。     

基于粒子群算法的BP模型在地下水位埋深预测研究中的应用

地下水水位埋深是影响河套灌区生态环境的主要因素,开展地下水位埋深预测研究对灌区远景发展规划与用水管理具有现实指导意义。本文采用基于粒子群算法的BP神经网络模型(PSO-BP),对河套灌区永济灌区地下水位埋深进行了预测模拟,相对于传统BP模型纳什效率系数NSE (0.791), PSO-BP模型NSE(0.887)提高了12%。表明, BP神经网络可以有效处理地下水位埋深与其影响因素之间的复杂非线性问题,同时粒子群算法可以提高模型的预测精度。     

基于LMBP神经网络的土石坝渗流压力预测

渗流压力是反映大坝工作状态的重要物理量,对渗流压力进行预测分析可以及时了解大坝渗流状况和趋势。为克服标准BP算法收敛速度慢、泛化能力弱和计算量大等不足,引入LM算法优化标准BP神经网络的权值和阈值,提高BP神经网络对土石坝渗流压力的预测效果。根据渗流分析,给出了渗流压力的统计模型,由统计模型选取上下游水位、降雨和时效作为神经网络输入层因子,以渗流压力作为输出层因子,建立了3层LMBP神经网络大坝渗流压力预测模型。利用MATLAB进行了多组仿真试验,确定了使本次渗流压力预测效果更好的训练样本数据量区间。以渗流压力实测数据及同期库水位和降雨资料作为训练样本,在选取适当数据量的训练样本的基础上,运用LM算法对BP网络进行训练,利用测试样本对训练好的神经网络进行测试。将同结构的LMBP神经网络和标准BP神经网络应用于某土石坝渗流压力的预测中,应用结果表明,LMBP神经网络收敛速度更快、拟合和预测精度更高,在土石坝渗流压力分析和预测应用方面是可行的。     

改进的BP神经网络在坝肩滑坡体位移监测中的应用

LM算法很好地解决了BP算法训练代数大,训练误差大,易陷于局部最小等问题,为坝肩滑坡体位移数据的分析提供了一种有效的方法。构建某坝坝肩滑坡体位移数据分析的BP神经网络,选取86组数据作为训练和测试样本,运用LM算法对此网络进行训练,利用训练好的神经网络对测试样本进行预测,并且将预测值与实测值进行对比分析,结果表明预测值与实测值较吻合,说明基于数值优化的LM算法值得推广。     

改进型LM-BP神经网络在水质评价中的应用

为了克服传统BP神经网络在水质评价中的不足,利用双极性S型函数输出可为正或负的特性以及LM算法具有梯度下降法的全局特性和高斯-牛顿的局部特性,对BP神经网络法进行改进,提出了基于双极性S型函数的改进型LM-BP神经网络模型的水质评价方法。应用结果表明,将此网络模型应用于水质评价是有效的、可行的。与其他评价方法相比,评价结果更加客观、合理。改进后的算法收敛速度较快,预测精度很高,为水质评价提供了一种新方法。     

基于BP网络模型的浑河台安县段治理成本估算分析

结合辽河平原腹地河流治理工程特点,选择BP神经网络的输入向量为治理长度、河道走向、天然坡比、水流流速等8个工程特征因子,从而建立基于BP神经网络的河流治理成本估算模型,依据浑河台安县段已建治理工程资料验证了模型的可行性与准确性。研究表明:在河道治理工程造价估算时该模型具有较高的精度,研究成果可为河道治理方案的优化设计和投资估算提供重要的依据。     

逐步回归和BP神经网络模型的枯季月径流预测

枯季径流是工农业用水的重要来源,分析和预报流域枯季来水情况,可为科学制定用水方案、合理调配水资源提供依据。运用逐步回归模型和BP神经网络模型分别对盘龙河流域枯季月径流进行拟合和预报分析,并采用相关系数、相对误差、合格率对两个模型预测精度进行比较。结果表明BP神经网络模型预测精度更高,预测结果精度满足规范要求,更适用于盘龙河流域枯期月径流的预测。     

基于BP神经网络的区域地下水位动态预测

地下水系统是一个高度复杂系统，地下水位与其影响因素之间存在非线性映射关系，人工神经网络则是处理非线性问题的有效方法。把影响区域地下水位动态的5个主要因素作为网络输入向量，地下水位本身作为网络输出向量，采用快速BP算法构造地下水位动态预测的BP神经网络模型，最后将该模型应用于河套灌区义长灌域地下水位动态预测。结果表明，BP神经网络用于区域地下水位动态预测时有较高的精度。     

改进的BP神经网络模型在辽宁中部河流水质预测中的应用研究

本文采用改进的BP神经网络模型对辽宁中部某河流水质进行预测。结果表明:改进的BP神经网络模型引入横向和纵向伸缩修正系数对模型梯度函数进行改进,提高传统BP模型收敛和计算精度。在区域河流水质预测精度明显好于传统模型,预测的河流水质总氮指标值相对误差均值明显减少,月尺度过程相关系数有较大提高。     

辽宁省东部山区中小河流生态治理方法探究

本文概括了国内外河流生态治理理念的发展,总结出河流传统治理方法普遍存在的问题,提出了辽宁省东部山区中小河流生态治理时应遵循的原则。提出了河流进行生态治理可采用的具体方法措施,并基于指标体系法建立辽宁省东部山区中小河流治理目标评价模型,对河流生态治理的效果进行评价,为进一步采取治理措施和其他河流治理提供参考。     

基于人工鱼群算法的冰情预报神经网络模型

在分析凌汛成因的基础上选取合适的预报因子,针对BP神经网络收敛速度慢、易陷入局部极小值的缺点,利用改进的人工鱼群算法训练BP神经网络,以黄河宁蒙河段封开河日期数据进行建模,给出了人工鱼群算法训练神经网络的基本原理和步骤,并对人工鱼群算法神经网络模型、遗传算法神经网络模型、粒子群神经网络模型的预测结果进行了对比分析。结果表明:人工鱼群算法神经网络模型对黄河内蒙古段凌汛期的封开河日期预测比较准确,预测结果优于遗传算法神经网络模型和粒子群神经网络模型。     

基于LM算法的BP神经网络在大坝变形监测数据处理中的应用

针对传统反向传播（BP）神经网络收敛速度慢、计算量大的缺点,引入一种结合LM（Leverberg Marquart）优化算法的BP神经网络,并应用在大坝的变形预报中。实验结果表明,新模型具有训练速度快、预测精度高的特点。     

中小河流治理工程设计应注意的若干问题

根据山区中小河流的特点,借鉴近几年全国中小河流治理的经验,结合广东省山区五市中小河流治理项目合规性审查、初步设计审查中发现的一些问题,从平面布置、横断面设计、纵断面设计3个方面提出了中小河流治理的设计技术方案以及需要注意的几个问题,对类似中小河流的治理的设计具有一定的参考作用。     

基于改进人工蜂群算法的地下水埋深预测研究

为了改进人工蜂群算法的RBF神经网络模型在地下水埋深预测中的应用,在基本人工蜂群算法中引入高斯变异算子,并优化初始蜜源位置,提出了基于改进人工蜂群算法的RBF神经网络模型,并利用安阳市某观测站的降水量、蒸发量、河道流量、灌溉渗漏量和人工开采量5个相关影响因子的数据,对该方法进行了应用。为了验证模型的优劣性,与单一的BP神经网络模型、RBF神经网络模型、基于蚁群算法的RBF神经网络模型和基于基本人工蜂群算法的RBF神经网络模型的预测结果进行了比较,结果表明:基于改进人工蜂群算法的RBF神经网络模型收敛速度更快、预测结果误差最小。     

基于改进的BP神经网络模型的营口地区河流水质预测分析

采用改进的BP神经网络模型对营口地区河流水质进行适用性分析。对比分析表明:相比于传统BP神经网络模型,改进模型可对模型梯度变量进行修正,河流水质指标预测精度得到明显改善。研究成果对于营口地区河流水质预测具有重要的方法参考价值。