基于机器学习的河网糙率反演-市政工程专业论文.docxVIP

基于机器学习的河网糙率反演摘要 基于机器学习的河网糙率反演 摘要 水力计算技术上世纪70年代以来已经发臌成熟，但在工程实际中，殿用难 焘缝袋是诗粪孛翥鼗瓣一些参数，磐蕤率，纛法自魂礁定，趱率戆自动爱滚技 术亟待发展。现有的研究多基于优化的思路来反演糙率，且臀遍存在三个问题： 优化殷演方法过于依赖初值的选择，容易陷入局部最优；反演的结果本身不含对 簸瓣译徐，对爱演参数爱往簿豹全弱努毒壤率笼法获羟；没露慰溅筵熬簸爨毒震 进行研究，因而不能对实际河网的水文站优化设置提出合理化建议。 本文对从糙率反演计算到反消解检验的整个流程进行了研究，形成了基于 瓤器学习戆涎弼麓搴反演较完整攥絮。本文完残戆主要工穆懿下： 1、基于机器学羽的思想，通过数据挖掘的乎段，提出了一种新的河湖糙率 直接反演方法。这种方法继承了传统直接反演方法的理念，引进了人工智能技 术豹掰滋震，弱专枣缀潮终懿黑麓代蓉了复杂熬系统遂舞辑，霹潋一次羧菠演整 个河网所有河段的糙率。经过多个算例的计算，证明了这种方法具有较高的计 算精度，能够满足工程实际需要。 2、捷窭了一穆耨瓣穰强潺潮审多数鬣溅懿鹣簿穿舞滋溅篷反演掰骞滔遂糙 率的数据采集技术羊Ⅱ反演技术。计算表明只要究分利用对河道糙率的先骏信息， 可以用少量观测点的时序列观测饿反演整个河网所有河段的糙率。同时对河瞬 孛震溅赢静合理数爨窝毒设谴餮遴行了研究，为湾闲工程农交灞蛞豹蠢麓往纯 提供了科学依据。 3、弓l进一种GA-RBF方法进幸亍糙率反演。与传统的Bp方法相比。具有更 抉熬诤舞速度帮穰囊戆计算精度；与经典RBF嬲络稳范，这秘方法能结会辘入 输出信息自动确定网络的合理拓扑结构，进行浆类计算。在基于空间序列观测 值的糙率反演中，套很好的计算性能。 4、考虑到爱鞫鬏求解掰匿蠢豹不逶定毪，弓|迸了Bayesian方法送纷耧率 反演，这种方法可以作为反演结果的有效检验簪段。该方法不是得到确定的反 演值，蕊是得到待殿演参数的后骏概率密度函数。通过对糙率后验分布的分析， 能壹残豹得到反演翘怒多解性和解的最往往羯叛，实现了辩爱演结果豹嚷一性 和最优性检验，从而构建起完整的河网糙率反演问题的解决框架。 和最优性检验，从而构建起完整的河网糙率反演问题的解决框架。 5、Bayesian方法能实现对解分布情况的检验很大程度上取决于它的遍历 性，所以计算时间过长是它的缺点。将机器学习引入似然函数的计算中，用BP 神经网络训练代替大量重复的正演，提出一种新的BP—Bayesian方法，大大提 高了计算效率。 6、通过一个工程算例，验证了将基于机器学习的河网糙率直接反演方法应 用于复杂大型河网糙率反演的可行性。 关键词：河网，糙率反演，直接反演方法，机器学习，数据挖掘，BP神经网络。 GA-RBF方法，BP-Bayesian方法，后验分布 Inversion Inversion of roughness parameter of river network based on machine learning Abstract Hydraulic technology has been mature since 1970s，but parameter in calculation, such as roughness parameter is hard to define automatically in project，SO that automatic inversion of roughness parameter demands prompt solution．Present research is mainly based 011 optimization method and there exist three problems： Conventional optimization methods easily gets stuck at a loc擅d optimum；Lacking of research On optimal layout ofobserve stations and lacking ofinversion ofroughness parameter in river network through the time sequence observations on few hydrology stations；Lacking of test of inversion solution and evaluation on uniqueness and optimization． 弛e author cIompleted a whole framework ofinversion ofroughness parame