吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2007年
2期
188-192
,共5页
刘阳%李海英%王连元%刘晓端%葛晓元
劉暘%李海英%王連元%劉曉耑%葛曉元
류양%리해영%왕련원%류효단%갈효원
BP神经网络%神经网络BP算法%坡面降雨产流
BP神經網絡%神經網絡BP算法%坡麵降雨產流
BP신경망락%신경망락BP산법%파면강우산류
为预测坡面降雨产流,基于坡面降雨产流的非线性特性,引用3层BP(Back-Propagation)网络建模方法,对B市密云水库流域石匣小区水土保持监测小区的坡面降雨产流进行了研究.模型输入层变量数为5个,分别代表坡度、坡长、降雨强度、降雨历时、土壤的有效糙率,输出层变量数为坡面降雨产流量,利用野外小区实测数据,对上述网络进行了训练,学习100次后网络趋于收敛,训练样本集误差达到2.040 96×10-10,小于预设精度,预测样本的平均相对误差为1.67%.该模型的建立与实践,为坡面降雨产流预测的研究提供了新的方法.
為預測坡麵降雨產流,基于坡麵降雨產流的非線性特性,引用3層BP(Back-Propagation)網絡建模方法,對B市密雲水庫流域石匣小區水土保持鑑測小區的坡麵降雨產流進行瞭研究.模型輸入層變量數為5箇,分彆代錶坡度、坡長、降雨彊度、降雨歷時、土壤的有效糙率,輸齣層變量數為坡麵降雨產流量,利用野外小區實測數據,對上述網絡進行瞭訓練,學習100次後網絡趨于收斂,訓練樣本集誤差達到2.040 96×10-10,小于預設精度,預測樣本的平均相對誤差為1.67%.該模型的建立與實踐,為坡麵降雨產流預測的研究提供瞭新的方法.
위예측파면강우산류,기우파면강우산류적비선성특성,인용3층BP(Back-Propagation)망락건모방법,대B시밀운수고류역석갑소구수토보지감측소구적파면강우산류진행료연구.모형수입층변량수위5개,분별대표파도、파장、강우강도、강우력시、토양적유효조솔,수출층변량수위파면강우산류량,이용야외소구실측수거,대상술망락진행료훈련,학습100차후망락추우수렴,훈련양본집오차체도2.040 96×10-10,소우예설정도,예측양본적평균상대오차위1.67%.해모형적건립여실천,위파면강우산류예측적연구제공료신적방법.
