共查询到19条相似文献，搜索用时 140 毫秒
1.
以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。 相似文献
2.
3.
本文以辽宁省大凌河中小流域为例,结合流域特征对SCS模型采用系统偏差系数k和初损比例m进行改进,并在辽宁省中小流域降雨径流模拟中验证了改进SCS模型的适用性与可行性。研究表明:改进后的SCS模型可准确、有效的模拟辽宁省中小流域降雨径流过程,其模拟效率系数达0.8以上;模型表现出较强的适用性与可靠性,可用于相似流域的径流模拟研究。 相似文献
4.
径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法（SMA）对长短期记忆神经网络（LSTM）的隐藏层输出维度进行优化,构建SMA-LSTM模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012—2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018—2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明：SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。 相似文献
5.
环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中，现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响，本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量，结合主成分分析(PCA)提取预报因子的主要特征，采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例，评估EnKF-PCA-LSTM模型的径流模拟效果，同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明，EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能，说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。 相似文献
6.
针对目前长期径流预报中物理成因考虑较少的问题,以丹江口水库为例,在分析影响径流物理背景的基础上,研究前期气象因子与水库秋汛期入库径流过程的相关关系,识别影响径流的大气环流与海温等物理因子,利用主成分分析法提取主要预报信息,建立了包含大气环流因子、海温因子等气象物理信息以及前期降雨、径流等水文信息作为预报因子集的三层BP神经网络预报模型.利用1956~2008年秋汛期9、10月入库径流量进行模拟与试报,并与仅采用前期降雨径流的预测模型进行了比较,结果显示基于物理成因分析的预测模型稳定性良好,模拟及试报精度较高,9、10月试报精度平均提高约30%,分别达到87.5%和75%,并对预报年份中的丰枯特征有较好的体现. 相似文献
7.
构建基于元胞自动机(CA)模型的分布式水文模型,模拟小流域内降雨径流过程。从元胞状态、转换规则与时间步长3个方面扩展普通CA模型,包括5个子状态、5个元胞系数及两条转换规则,并实现模型与GIS的集成。以黄土高原岔巴沟流域的降雨径流观测数据对模型进行了验证分析。试验结果表明,确定性系数、峰现时差与洪峰误差3个评价指数都达到一定精度,实现了流域内径流过程的可视化。结合CA模型与GIS技术可以较为有效地模拟流域次降雨径流过程,模型在该试验区是基本适用的。 相似文献
8.
以平治河岩溶流域为研究对象,分析其地下退水规律,将其划分为9个子流域,在传统新安江模型基础上,将地下径流划分为慢速和快速地下径流,分别采用两个线性水库进行模拟,构建降雨-径流模拟方案,并选取2011-2015年期间的7场洪水作为率定期洪水,以确定性系数（DC）最大为优化目标,应用遗传算法率定模型参数,而以8场洪水作为验证期洪水进行验证分析,获得率定期合格率为85.71%,平均确定性系数为0.846,验证期合格率为75%,平均确定性系数为0.893,达到乙级精度。其结果表明所构建的模拟方案能够较好地模拟该流域的径流规律。 相似文献
9.
为解决传统数据驱动模型的不足,使其能实现降雨径流过程高精度连续模拟,提出新型耦合数据驱动模型——PEK,即:基于偏互信息的输入变量选择、基于新型集成神经网络的出流量预测和基于K最近邻模型的出流量误差预测。PEK模型具有以下特点:(1)提出了基于分离式选择策略和滑窗累积雨量的模型候选输入向量,并与基于偏互信息的输入变量选择方法联合使用,提高了输入信息的充分性和无冗余性,对建立精度高、泛化能力强的高质量模型意义重大;(2)提出了新型集成神经网络——EBPNN及其率定方法。联合使用NSGA-II多目标优化算法和早停止Levenberg-Marquardt算法,通过一次优化过程同时确定全局最优个体网络个数、各个体网络拓扑结构和网络参数。个体网络权重由基于AIC信息准则的权重优选方法确定。EBPNN在模拟精度和网络复杂度间取得了良好折衷,精度高、泛化能力强、率定结果客观;(3)PEK模型能够进行多步外推预报,实现了非实时校正模式下的高精度连续模拟,增长了预见期;(4)PEK模型不需要进行流域状态变量的计算,仅需初始出流量就可进行出流量的连续模拟。在呈村流域应用PEK和CLS两个数据驱动模型进行次洪降雨径流模拟及精度比较。结果表明PEK模型使用简便,模拟精度高于CLS模型,实现了多步外推的高精度连续模拟,增长了数据驱动模型的预见期。 相似文献
10.
随着水文信息系统的普及,水文数据的采集越来越方便。传统上依靠各类水文模型及参数率定以刻画水文数据和预报成果间的复杂关联,如何实现水文数据驱动的水文自动预报是当前面临的问题。近年来,人工智能技术蓬勃发展,深度学习技术开始应用于水文学领域,试图解决这一问题。本文以沮漳河西支峡口至远安区间流域为研究对象,结合分布式水文模型的原理及深度学习理论方法,基于流域多维度数据对流域产汇流特性进行提取,利用特征网络进行流域径流预报,构建基于卷积神经网络（CNN,Convolutional Neural Networks）的流域降雨径流预报模型。研究将模型模拟结果与前期影响雨量模型（API, Antecedent Precipitation Index）结果进行对比分析,结果表明,基于卷积神经网络的流域降雨径流预报模型模拟精度为90%,模型可靠,能满足大部分的降雨洪水预报,为流域降雨径流预报提供一种新的方法。 相似文献
11.
岩溶水系统的径向基神经网络仿真 总被引：1，自引：0，他引：1
岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值。 相似文献
12.
为提高新安江模型的汇流计算精度并减少经验因素对参数率定的影响,将新安江产流模型与改进的BP汇流模型相耦合,建立XBK(XAJ-BP-KNN)模型。该模型以前期模拟流量和新安江产流模型计算的产流量作为BP网络的输入,出口断面流量作为网络输出,拟合汇流的非线性关系,代替新安江模型的分水源、线性水库及河道马斯京根法的汇流计算;采用相似原理和K-最近邻算法,基于历史样本的模拟误差及相应影响要素对网络输出进行误差修正,实现了无前期实测流量的连续模拟;模型使用SCE-UA算法与遗传早停止LM算法相结合的全局优化方法进行参数优选。在呈村流域的验证表明XBK模型的模拟精度高于新安江模型,全局优化方法能找到最优参数,降低了模型的使用难度。 相似文献
13.
基于BP神经网络方法的矿井涌水量预测 总被引：2，自引：0，他引：2
鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的. 相似文献
14.
基于BP神经网络的溶洞规模预测及应用 总被引：2，自引：1，他引：1
复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。 相似文献
15.
基于RES理论的潜在滑坡识别 总被引：1，自引：0，他引：1
潜在滑坡的识别涉及到多种因素间的相互作用和相互耦合,常规方法难以准确描述影响因素间相互耦合作用对斜坡稳定性的影响。结合前人的研究成果,引入岩石工程系统（RES）理论的交互作用矩阵构造和编码原理,提出了基于BP网络潜在滑坡识别模型,推导了在该识别模型下实现交互作用矩阵的编码及考虑多因素相互作用权重确定的流程,并将其运用于潜在土质滑坡判别中。研究结果表明:运用此识别模型,不仅能够实现对潜在滑坡识别,同时能够实现基于多因素交互作用影响的各识别指标权重的确定。 相似文献
16.
多元线性回归及BP神经网络是煤层含气量测井解释的常用方法。基于澳大利亚Galilee盆地和沁水盆地煤层测井资料和实测含气量数据,通过相关性分析和显著性检验,筛选了和含气量相关的测井参数,通过多元线性回归建立含气量与测井参数的解释模型;基于BP神经网络的理论,通过网络训练和测试,建立了煤层含气量和测井参数的非线性解释模型。讨论了多元线性回归模型的参数选择方法,并对两种解释方法的误差特点进行了分析,讨论了两种方法的适用性。结果显示:多元线性回归法和BP神经网络法是煤层含气量解释的常用方法,前者的解释误差比后者大;多元线性回归法解释精度与煤层含气量相关,适用于含气量较高的井;BP神经网络法解释精度普遍较高,在含气量高和低的井中均可适用,解释效果受输入层样本的数量和质量影响,样本数量越多,区域代表性越强,解释效果越好。 相似文献
17.
18.
随煤层开采深度的不断增加,煤矿生产过程中面临着复杂的突水机理和多变的突水主控因素,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。为准确预测底板突水危险性,针对底板突水的小样本、非线性问题,首先利用遗传算法(Genetic Algorithm,GA)将网络随机赋值的初始权值和阈值初次优化,再选取搜索能力强、稳定性较好的麻雀搜索算法(Sparrow Search Algorithm,SSA)对权值和阈值进行二次寻优,从而建立SSA-GA-BP神经网络底板突水预测模型。分析整理山东省滨湖煤矿地质及水文地质资料,选取含水层水压、含水层厚度、隔水层厚度、断层密度、断层分维值、渗透系数、单位涌水量、底板破坏深度共8个因素,作为预测底板突水的主控因素,绘制各主控因素3D映射投影曲面图;利用Surfer软件中的克里金插值法提取50个数据点作为模型的输入样本(分为训练集40个,测试集10个),对模型进行训练学习,训练误差精度达到要求后,对滨湖煤矿3个未开采工作面的12个数据点进行突水危险性预测。为了验证所建模型的准确性,利用BP、GA-BP、SSA-GA-BP这3种模型对测试集进行预测;为避免模型仅与BP网络预测对比的片面性,同时选取以熵权法确定权重的模糊综合评判法对测试集进行预测;将各网络模型及方法的预测结果与实际值进行对比分析。结果表明:基于SSA优化的GA-BP神经网络模型突水预测误差较小,预测结果准确率更高,为矿井水害预测预报提供了科学的评价方法和理论依据。 相似文献
19.
岩溶地面塌陷是多种因素共同作用的结果,具有隐蔽性和突发性的特点。为了快速、准确地对岩溶地面塌陷进行预测,提出了一种在因子分析的基础上利用遗传算法(GA)优化的极限学习机(ELM)岩溶地面塌陷预测模型。选取8个岩溶地面塌陷影响因素,利用因子分析提取5个公因子,然后输入GA-ELM模型进行预测。利用20组实例作为样本进行学习预测,以其中12组作为训练集,另外8组作为测试集。结果表明:进行因子分析后,不仅使ELM模型网络结构进一步简化,还提高了在相同隐含层神经元节点数情况下的预测正确率;在样本数较少的情况下,可以通过提高隐含层神经元节点数的方法来提高ELM模型预测正确率;GA-ELM模型相对于ELM模型的预测正确率明显提高,其具有更强的学习、预测能力;基于因子分析的GA-ELM岩溶地面塌陷预测是一种简单、准确、高效的方法。 相似文献