共查询到20条相似文献，搜索用时 281 毫秒
1.
2.
3.
从枯溪水库流域的实际出发,提出了区间流域洪不实时预报耦合模型以及实时跟踪模型的动态参数算法,并进行洪水实时预报,取得了令人较为满意的预报效果。 相似文献
4.
论河流汛期时变设计洪水 总被引：4，自引：1，他引：4
论述了时变设计洪水优化水库防洪设计和提高水库兴利效益的重要性，提出了以带时畸参数泊松标准过程作为描述汛期洪水时变规律的概率模型，并建议彩和时段设计洪水作为水库运用期设计洪水，它既反映汛期洪水演变规律，又满防洪标准，一个实例分析计算和检验结果表明，模型与实际资料合良好，计算结果合理，具有良好的推广和应用前景。 相似文献
5.
6.
岩溶水系统时变特性的系统分析 总被引：1，自引：1，他引：0
本文针对岩溶水系统的时变特性,通过引入“时变指标序列”和“时变因素”的概念,改进传统的线性时不变模型,提出一种非线性时变模型。理论分析和实际应用表明,模型拟合精度明显提高,更好地刻画了实际系统的结构和输入输出行为。模型中时变因素序列G( t )有助于分析系统时变的机制和过程。 相似文献
7.
近年来受人类活动和气候变化影响,新疆喀什地区水文非线性特征凸显,使得传统考虑单一线性的模型精度不高,以新疆喀什地区中小流域为研究对象,应用非线性时变增益模型,结合该流域1999-2017年实测洪水数据分析该模型在新疆喀什地区中小河流洪水模拟的适用性。研究结果表明:采用新的模型洪水模拟精度可到乙级以上精度,明显好于传统模型。研究成果对于新疆喀什地区中小河流防洪预警具有重要参考价值。 相似文献
8.
针对经典灰色系统模型的不足，根据灰色系统理论的信息处理原则，在模型中引入遗忘因子，建立了灰色系统沉降预测的非等步长灰色时变参数模型，并在求解过程中引入遗忘因子以修正预测结果。模型充分考虑了预测系统的时变性和灰色性，从而降低对预测系统状态的预测误差。实例预测表明，灰色时变参数模型可以将工后总沉降量的预测误差控制在23%以内。误差检验结果显示，预测结果的精度等级较引入遗忘因子修正前有显著的提高。 相似文献
9.
10.
嘉陵江流域三江汇流洪水联机实时预报研究 总被引：2，自引：0，他引：2
不直接描述嘉陵江流域三洪汇流存在的洪水顶托等复杂的物理过程，而是采用时变参数线性模型，由作者修正的一种自适应滤波水文实时预报方法进行参数在线识别，并分别研究集总输入和多输入两种情况，实现了洪水联机实时预报，结果表明，预报精度高，且模型简单，滤波参数稳定，便于推广使用。 相似文献
11.
提出了一些新的实时诊断和钻压优化模型建模方法———神经网络法,它们可以克服传统方法需要建立数学模型的缺陷,满足钻进过程控制对实时性的要求。给出了利用反向传播神经网络（ＢＰ网络） 进行实时诊断和建立钻压优化模型的方法。实际应用和计算机仿真研究表明：采用这些新方法可以实时地实现钻进过程的事故诊断,建立的模型不但能够满足自动送钻实时优化钻压的要求,而且也可以用于离线的钻压参数优选 相似文献
12.
基于BP神经网络的滑坡监测多源异构数据融合算法研究 总被引：1，自引：1，他引：0
针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播（Back-Propagation,BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差（RMSE）达到0.4787 mm,从而有效提高了变形预测结果的精度。 相似文献
13.
14.
15.
基于BP神经网络的测井相分析及沉积相识别 总被引：2，自引：0，他引：2
测井相分析是研究地层沉积相的一种手段。利用基于BP神经网络的测井相分析进行沉积相识别研究,首先将已知地区地层剖面划分为有限的测井相,通过对岩心及其对应的沉积相进行研究,用数学方法及知识推理确定各个测井相到沉积相的映射转换关系,并利用这种关系,建立沉积相库。在此基础上,运用MATLAB中的工具箱建立BP神经网络模型,把已知沉积相的测井曲线特征作为样本进行训练学习,并将提取的测井曲线特征进行分类识别,从而确定地层的沉积相。应用表明,BP神经网络能够快速完成沉积相识别,可靠性较高,可以用于测井相分析及沉积相研究。 相似文献
16.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
17.
模糊神经网络用于储层预测 总被引：2，自引：0，他引：2
利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。 相似文献
18.
岩石本构模型是研究岩石力学特征和变形机制的基础,而本构模型或模型中相关参数的识别是本构模型研究中的热点和难点问题。本文基于红板岩室内力学实验数据,分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别,结果表明,遗传算法进行参数识别需要事先假定流变模型的形式,误差较大,而BP神经网络和遗传规划可以一次性同时确定流变模型的结构形式及参数,有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比,具有精度高、收敛快,可视化程度高等特点,为岩石本构参数及模型的智能识别方法的选取提供参考。 相似文献
19.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献
20.
神经网络在岩体力学参数和地应力场反演中的应用 总被引：20，自引：7，他引：13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献