共查询到19条相似文献,搜索用时 171 毫秒
1.
感潮河段水位过程预报探讨 总被引:1,自引:0,他引:1
感潮河段水位过程同时受径流、潮流影响,其预报较为困难.将水位过程视为时间序列,用不同的模型进行了预报比较,认为以潮汐作用为主的水位预报可采用神经网络模型,对高水位预报可采用ARMA(2,1)模型,而对洪水作用为主的河道,各模型的预报能力均有待提高 相似文献
2.
3.
介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。 相似文献
4.
5.
感潮河段的水位受上游河道洪水与下游河口潮位共同影响,故其河段整治规划中洪潮遭遇分析尤为重要。以瓯江感潮河段为研究区,提出从实测洪潮遭遇数据的频率结构特性出发,选取对上尾部更敏感的Gumbel Copula函数建立洪水和潮位的联合分布,推求各种洪潮组合的重现期,进而建立风险模型。从治涝风险、同现风险和组合风险多角度评估设计组合值的合理性。结果表明:基于Gumbel Copula函数构建的联合分布能够较好的反映瓯江感潮河段的洪潮组合特性。瓯江感潮河段部分现役工程所采用的20a一遇的设计洪水与较不利潮位(5.8m)这一设计组合型的同现重现期为29a,同现风险率为3.46%、组合风险率为11.52%、治涝风险率为15.94%,其防洪涝能力稍显不足。同时基于Copula函数所建立的风险模型集能够较好地对感潮河段防洪设计标准进行风险评估,为感潮河段整治规划提供决策支持。 相似文献
6.
径向基函数神经网络需水预测研究 总被引:1,自引:1,他引:1
在分析山西省历年用水量和人均用水量的基础上,建立径向基函数神经网络需水预测模型,采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入,网络输出需水预测值。预测结果表明,径向基函数神经网络需水预测模型运算速度快,有较高的预测精度。需水预测可为水资源规划和配置提供依据。 相似文献
7.
8.
紧支径向基函数能使支配方程中的刚度矩阵具有稀疏性,很适合应用于无网格方法中,其缺点是在插值计算时精度不高.点插值方法的插值函数具有Delta函数性质,可以很方便的施加本质边界条件,但在计算插值函数时矩阵易出现奇异.为了提高计算精度并避免点插值法的局限性,首先对紧支径向基函数进行完备性修正,然后用完备性修正的紧支径向基函数代替多项式来形成插值函数,建立了紧支径向基函数点插值方法.由于该方法中的形函数满足Delta函数性质,因此本质边界条件可以像传统的有限元方法一样很容易施加.然后将该方法用于二维弹性静力问题的求解,导出了其相应的离散方程.最后将该方法应用于一个悬臂梁的分析中,初步验证了该方法的有效性与合理性. 相似文献
9.
建立三维矿体模型是数字矿山、智慧矿山的基础.针对经典径向基函数曲面重建算法在原始数据稀疏时出现曲面边界自拟合及模型不连续现象,提出了一种集成多种机器学习模型的径向基函数曲面复杂矿体三维建模方法.该方法利用Stacking模型学习矿体轮廓线离散化点云数据的分布特征,建立表征矿体模型几何信息的有向点集;在此基础上提取边界点及法向量,通过Hermite型径向基函数建立隐式场,最后基于行进四面体算法建立三维矿体模型.与轮廓线拼接法、经典径向基函数曲面重建算法、简单克里金插值法相比,该方法能够有效减少曲面边界自拟合现象,减少模型多余孔洞,提高模型的连续性;建立的模型所切轮廓线与原始轮廓线相似度达75.14%,与人工干预程度较高的显式模型相当;在体积表征上与显式模型的差距达到最低. 相似文献
10.
地学自由曲面径向基函数网络重建的详细算法 总被引:3,自引:0,他引:3
径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。 相似文献
11.
12.
13.
水库防洪实时调度决策模糊推理神经网络模型及其应用 总被引:4,自引:0,他引:4
水库防洪实时调度决策方法是研究水库调度问题的主要内容。针对传统方法研究不系统、不全面、不能综合利用面临时刻所有信息、不具有学习功能等缺点,提出了水库防洪实时调度决策模糊推理神经网络模型,它在一定程度上较好地解决了这个问题。用大伙房水库75704次、85804次洪水调度作为计算实例,取得了比较理想的效果。 相似文献
14.
通过数据同化方法合理地将实时水文观测数据融入到洪水预报模型中,可提高洪水预报模型的实时性和精确度。选取沿程断面流量、水位和糙率系数作为代表水流状态的基本粒子,以监测断面实测水位数据作为观测信息,建立了基于粒子滤波数据同化算法的河道洪水实时概率预报模型。模型应用于黄河中下游河道洪水预报计算的结果表明,采用粒子滤波方法同化观测水位后,不仅可以直接校正水位,同时也可以有效地校正流量和糙率,为未来时刻模型预报计算提供更准确的水流初始条件和糙率取值区间,进而有效地提高模型预报结果的精度,给出合理的概率预报区间。不同预报期的预报结果表明,随着预报期的增长,同化效果减弱,模型预报结果的精度会有所降低,水位概率预报结果受粒子间糙率不同的影响不确定性增加,而流量概率预报结果受给定模型边界条件的影响不确定性降低。所提出模型可以有效同化真实水位观测数据,适合应用于实际的洪水预报工作中。 相似文献
15.
河道水流运动过程特别是洪水演进过程是一个复杂的非线性动力学过程,鉴于神经网络具有很强的处理大规模复杂非线性动力学系统的能力,本文将神经网络理论用于河道水情预报的研究,以期识别水流运动变化过程与其影响因子之间的复杂非线性关系,为河道水情预报提供了一条新的途径。在此基础上建立了螺山站洪水预报的非线性动力学模型,通过分析研究得出近年来特别是1998年长江中游出现的小流量高水位现象与螺山汉口河段累计淤积有关并得到螺山站水位变化与河床淤积之间的定量关系。 相似文献
16.
三种基于神经网络的洪水实时预报方案的比较研究 总被引:8,自引:1,他引:7
在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。 相似文献
17.
在应用神经网络进行洪水预报时,因洪水系统随着河道上游来流、区间降雨、河床演变等因素的动态变化,其特性并不总是按照基本相同的规律变化,对这类系统的参数辨识,要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。在BP神经网络模型的基础上,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态系统输入、输出数据间的映射关系。计算实例表明:该法对参数的快速时变具有较快的跟踪能力和较高的辨识精度,是一种非常实用的水文实时预报方法。 相似文献
18.
Huayang Cai Qingshu Yang Zihao Zhang Xiaojuan Guo Feng Liu Suying Ou 《Estuaries and Coasts》2018,41(7):1885-1903
The behavior of the residual water level in estuarine environment is complex due to the highly nonlinear interaction between river flow and tide and the contributions made by these two external forcing to the dynamics of the residual water level are not yet fully understood. In this study, we investigate the effect of river-tide dynamics on the temporal-spatial changes of flow in terms of residual water level in the Pearl River channel networks, which is one of the complex channel networks in the world. Making use of a nonstationary tidal harmonic analysis, the continuous time series observations of water level covering a spring-neap cycle in 1999 (representing flood season) and 2001 (representing dry season) collected from around 60 stations in the Pearl River channel networks have been used to extract the temporal-spatial changes in stage and tidal properties (including amplitudes and phases) as a function of variable freshwater discharge and ocean tide. It was shown that the averaged residual water level during the flood season (ranging 0–5 m) is one order magnitude than that during the dry season (ranging 0–0.35 m). The distribution of the residual water level clearly indicates that the Pearl River channel networks feature two sub-systems, i.e., the central part of the channel networks being river-dominated with high value of residual water level and the eastern and western sides being tide-dominated with low value of residual water level. To understand the relative importance of river flow and tide on the temporal-spatial distribution of the residual water level, an idealized model is subsequently applied to the Modaomen estuary, which debouches the largest portion of river discharge into the South China Sea. Analytical results showed that the residual water level is mainly determined by the variation of the freshwater discharge for the flood season, while it is primarily controlled by the tidal forcing for the dry season and features a typical spring-neap cycle. 相似文献
19.
Flood is the worst weather-related hazard in Taiwan because of steep terrain and storm. The tropical storm often results in disastrous flash flood. To provide reliable forecast of water stages in rivers is indispensable for proper actions in the emergency response during flood. The river hydraulic model based on dynamic wave theory using an implicit finite-difference method is developed with river roughness updating for flash flood forecast. The artificial neural network (ANN) is employed to update the roughness of rivers in accordance with the observed river stages at each time-step of the flood routing process. Several typhoon events at Tamsui River are utilized to evaluate the accuracy of flood forecasting. The results present the adaptive n-values of roughness for river hydraulic model that can provide a better flow state for subsequent forecasting at significant locations and longitudinal profiles along rivers. 相似文献