水利学报
水利學報
수리학보
2006年
6期
717-721
,共5页
灌区退水量%神经网络%LM优化算法%动态模型
灌區退水量%神經網絡%LM優化算法%動態模型
관구퇴수량%신경망락%LM우화산법%동태모형
采用相关分析的方法确定了灌区退水量的主要影响因素,将神经网络的在线学习功能与数据库技术相结合,建立了灌区退水量动态模型,实现了模型的在线学习,以动态的模型反映灌区退水系统的动态变化,保证了退水量模型使用的长期有效性.与实测资料对比表明,模型能够较好的模拟灌区退水系统的变化,利用灌区渠首的引水量、降水量和地下水埋深资料能够较准确的对灌区的退水量进行预测.
採用相關分析的方法確定瞭灌區退水量的主要影響因素,將神經網絡的在線學習功能與數據庫技術相結閤,建立瞭灌區退水量動態模型,實現瞭模型的在線學習,以動態的模型反映灌區退水繫統的動態變化,保證瞭退水量模型使用的長期有效性.與實測資料對比錶明,模型能夠較好的模擬灌區退水繫統的變化,利用灌區渠首的引水量、降水量和地下水埋深資料能夠較準確的對灌區的退水量進行預測.
채용상관분석적방법학정료관구퇴수량적주요영향인소,장신경망락적재선학습공능여수거고기술상결합,건립료관구퇴수량동태모형,실현료모형적재선학습,이동태적모형반영관구퇴수계통적동태변화,보증료퇴수량모형사용적장기유효성.여실측자료대비표명,모형능구교호적모의관구퇴수계통적변화,이용관구거수적인수량、강수량화지하수매심자료능구교준학적대관구적퇴수량진행예측.