排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
提出了一种基于BP神经网络的合流制截污管溢流控制方法,通过使用当前时刻前一段时间每5 min的降雨、控制点水位、蒸发量和雨前干期等数据对控制点未来一段时间的水位进行预测,当控制点预测水位长时间超过设定值时,则实施开闸溢流。通过对近2年共3 000组观测数据进行训练测试,发现该模型的平均绝对误差(MAE)为0.111 5、均方根误差(RMSE)为0.156 5、平均百分比误差(MPE)为0.045 3%、纳什-苏特克利夫效率系数(NSE)为0.938 6,表明该模型在整体预测上满足应用要求。现该模型已部署至武汉市智慧水务系统,并在2023年7月8日的降雨事件中,预测到水位将会上升到22.7 m以上,实施开闸溢流,避免了城区内洪灾害。 相似文献
1