基于BP神经网络的场次洪水河道沙量预报.docVIP

基于BP神经网络的场次洪水河道沙量预报 　　摘要：针对日益严重的河流泥沙问题，掌握河流泥沙的影响因素和泥沙的变化过程是泥沙治理的关键。以神经网络模型为基础，建立场次洪水沙量预报模型，对多沙河流的洪水挟沙量进行预报，并取得较好的预报效果。[JP2]选择辽西北多沙河流大凌河作为研究实例，首先将1984年-1998年间的29场历史实测洪水资料进行分析，得到影响下游沙量的主要因素；然后，通过神经网络模型建立上游影响因素与下游沙量之间的关系；最后，选取其中6场洪水资料进行验证。模型计算结果表明，计算结果与实测结果误差在合理范围之内，[JP]精度符合要求，可以用于下游沙量的预报。 　　关键词：BP神经网络；沙量预测；场次洪水 　　中图分类号：TV124 文献标志码：A 文章编号：1672-1683（2015）03-0406-03 　　Abstract：Knowledge of the impact factors and variation process of river sediments is the key to solve the increasingly serious river sediment problems.In this paper，flood and sediment prediction model was developed to forecast the sediment load based on artificial neural network，which generated promising results.The model was then applied to the Daling River in the northwest of Liaoning Province.First，the data from 29 historical flood events from 1984 to 1998 were analyzed using the statistical method to obtain the main impact factors of downstream sediment load.Then，the BP neural network model was developed to characterize the relationship between the upstream impact factors and downstream sediment load.Finally，the data from six flood events were used to verify the model.The results showed that the errors between the calculated and measured values are within the reasonable range and meet the accuracy requirement，therefore the model is applicable for downstream sediment prediction in the Daling River. 　　Key words：BP neural network；sediment prediction；flood events 　　我国大江大河的泥沙问题一直以来都是个棘手的问题，水利设施或多或少受其影响。由于泥沙的原因，最常见的危害是水库有效库容减少，严重影响水库的使用寿命；泥沙严重的河流导致泥沙抬高河底高程，降低河道行洪能力，严重威胁河流周围人民群众的生产生活。沙量预报可以在高含沙洪水到来之前对其做出预测，并通过一系列工程或非工程措施减少其造成的危害，因而河流挟沙量的准确预报将对有效地控制和治理河流泥沙起到重要作用。 　　目前，在洪水水沙预报研究中，已有多种预报模型与方法，大致可分为水动力学方法和水文学方法。水动力学法是从泥沙运动与变化的[HJ]机理出发，对泥沙传输变化进行描述。例如，张瑞瑾[1]提出的水流挟沙力公式已被广泛应用；王光谦[2]建立了水沙两相流的动力学模型以及流域泥沙动力学模型；吴作平[3]研究的水沙水力学方法也具有不错的效果，该模型建立了流域中水利枢纽上下游的水沙水动力学衔接条件，并采用概化的算例对枢纽上下游进行了水动力学模拟。水文学的处理方法一般都是寻求影响泥沙运动变化的主要因素，从而进行洪水水沙预测。例如，万新宇等[4]提出了坝址泥沙预测相似推理方法，并预测了三门峡水库坝址泥沙过程；耿艳芬等[5]将径向基函数神经网络方法应用于复杂河网洪水水沙预报中，并建立了珠江三角洲河网