径向基概率神经网络床面形态判别模型及其敏感性分析研究.pdfVIP

．1514． 第六届全国泥沙基本理论研究学术讨论会论文集 _一一———————————————————————————————————————————————一 径向基概率神经网络床面形态判别模型 及其敏感性分析 张 慧1 沈华中2张政权1 (1．长江科学院河流研究所武汉430010； 2．长江水利委员会江务局 武汉430010) 摘要：目前一般使用水流和泥沙参数中的两个参数进行冲积河流床面形态判别，但其判别效果不甚理 想。为克服传统分析方法的局限性，本章在推导出希尔兹数、无因次粒径和沙粒佛氏数为影响床面形态 主要因子的基础上，建立了径向基概率神经网络床面形态判别模型，并进行了敏感性分析。分析表明， 该模型能反映冲积河流复杂因素及其变化对床面形态的影响，预测效果较好，敏感性分析成果与实际情 况相吻合，可用于工程实践。 关键词：径向基概率神经网络 床面形态 判别模型 敏感性 松散泥沙颗粒组成的流场边界具有可动性。在水流的动力作用下，颗粒群体有规律 的运动，在动床床面上将会塑造出有一定规律的床面形态(bedform，又称“底形”)。冲 积河流的床面形态既与水流流动特性有关，也与泥沙颗粒的物理特性和运动特性有关。 bednearorbefore 按美国土木工程师协会的建议[1】，河床一般分为静平整(plane in bedupperregime)、 initiation)、沙纹(ripples)、沙垄(dunes)、过渡(transition)、动平整(flat and 沙浪(anti—dunes)、逆行沙波(standingwaves)、急滩与深潭(chutespools)等8种形式。 目前判定床面形态的经验与图形分析主要有法国夏都实验室、刘心宽和艾伯森(Liu Albertson)、van 水流和泥沙参数中的两个参数，其划分的床面形态仅适用于某些特殊的情况，它们只能 大体上而不能精确地划分河床床面形态范围，互相之间总有差别，有的差别很大，其分 析与预测效果不甚理想。 影响冲积河流床面形态的因素较多，床面形态问题的确为一个非常复杂的非线性系 统，光靠简单的公式或图表很难得到较高的判别精度。人工神经网络可直接使用样本数 据实现输入层与输出层之间的非线性映射。据此，本文尝试建立非线性映射能力强的径 Neural 向基概率神经网络床面形态判别模型(RadialBasisProbabilisticNetwork， RBPNN)，并对其敏感性进行分析。 作者简介：张慧，女，1971年出生，湖北蓟春人，工程师，硕士，主要从事河流动力学与智能河流动力学研究。 十、河流模拟技术 。1515‘ 1河床床面形态影响因子 由法国夏都实验室床面形态判别可知，床面形态可表示为 床面躲，[南彳U,d] ㈣ 德和艾伯森床面形态判别可知，床面形态可表示为 床面形态2／(舞知，面U] @ 式中第二项为Froude数Fr。由阿塔厄拉床面形态判别可知，床面形态可表示为 床面形船Ⅱ茜，别