河道浅滩演变预测的人工神经网络模型.pdfVIP

第09期 (总第412期) 吉 林 水 利 2016年09月 [文章鳙号】1009—2846(2016)09-0008—03 河道浅滩演变预测的人工神经网络模型 鄂 欢 ．曲晓辉 (1．吉林省防汛机动抢险队，吉林 长春 130022；2．吉林省水利科学研究院，吉林 长春 130022) [摘要】本文主要介绍利用人工神经网络对河道演变进行预测研究，并选取最佳模型对河道演变进行预测。通 过对比分析发现 RBF网络模 型比BP神经 网络模型 的训练时间短 ，两模型 的预测精度相差不多。结果证实人工 神经网络在河道浅滩演变 中具有较强的应用性，为河道浅滩演变预测开辟 了一条新思路 。 [关键词]河道浅滩；预测；人工神经网络 [中图分类号]TV147 [文献标识码]B 浅滩是指河床中水面以下的堆积物 ，即海、河 的神经网络 ．它利用误差反向传播算法对网络进 或者其他水体 中浅水的地方 浅滩不仅阻碍航运 行训练 。包含 了神经网络中最精华 的部分 ．结构简 而且滞洪 ．因此对浅滩的治理引起 了水利部 门和 单 、可塑性强，在很多领域得到了广泛应用 。 航运部门的高度重视 。浅滩演变的分析方法主要 1．1 BP人工神经网络浅滩演变的建立 有三种 ：第一种是 由实际测量的天然河道 的实测 1．1．1 BP人工神经网络模型的影响因素分析及各 资料来分析河道演变过程、河床形态变化、相应的 层神经元数 的确定 水流和泥沙运动特性 ．从而推断出浅滩的成 因及 选择对浅滩演变起主要影响的因素作为 网络 今后一个时期 内浅滩 的发展趋势。这种方法受研 的输入因子 ．本研究选择 四个主要影响因素作为 究者的经验束缚。第二种是根据一些基本原理 (泥 输入因子 ．因此 网络的输入神经元为4个 ．所 以中 沙运动以及河床演变)．应用浅滩演变预测的泥沙 间层神经元个数应该在 9到 16之间2[1人工神经 数学模型．用于河床的变形计算，预测河床的冲淤 网络的输入因子有上游来流量 Q、上游输沙量 G、 变化规律 这种方法很难考虑应用数学模型过程 下游水位 、河床形态、／ 。另外，综合保障通 中的随机因素 。第三种是用河工模型试验对工程 航 的顺利进行 ．需要对浅滩处年平均淤积厚度和 后的河床变形进行预测 此法也常称为物理模型 年 内最小水深进行观测 ．因此 网络模型的输 出因 法 。应用这种方法造价过高。因此对河道浅滩演变 子为年平均淤积厚度△Z及年内最小水深 H (即 预测寻找新方法是十分必要 的。河道浅滩演变系 网络的输出神经元个数为213【】。 统是对输入的水流、泥沙进行调整的结果，这就是 1．1．2 BP人工神经网络模型样本数据的处理 浅滩演变的实质l【】。根据河道浅滩演变的实质可以 对任意一神经网络模型．都应对样本数据进 看出其变化呈现出非线性动态变化 ．而神经网络 行归一化处理 ．以保证网络神经元的非线性作用 ， 模型具有很强的非线性映射能力．因此将此模型 公式如下 ： 应用于浅滩演变预测将会有较好的实用性 L f1) P 戈max— mi