同济大学学报（自然科学版）
同濟大學學報（自然科學版）
동제대학학보（자연과학판）
JOURNAL OF TONGJI UNIVERSITY(NATURAL SCIENCE)
2006年
8期
1040-1044
,共5页
凌建明%崔伯恩%赵鸿铎%林小平
凌建明%崔伯恩%趙鴻鐸%林小平
릉건명%최백은%조홍탁%림소평
河湾冲刷%神经网络%BP(前馈)模型%冲刷深度
河灣遲刷%神經網絡%BP(前饋)模型%遲刷深度
하만충쇄%신경망락%BP(전궤)모형%충쇄심도
影响河湾凹岸最大冲刷深度的因素众多,而且这些因素的关系是非线性的.实现河湾最大冲刷深度预测的实质是建立一个非线性映射.实现这种映射的传统途径是在室内试验的基础上,采用量纲分析和多元回归的方式建立经验公式.根据BP(前馈)神经网络模型能逼近任何闭区间的连续函数的性质,在室内试验的基础上,尝试采用人工神经网络模型对河湾冲刷深度进行预测,并与经验公式的计算结果进行了比较.结果显示,BP神经网络能够更为准确地对河湾最大冲刷深度做出预测.
影響河灣凹岸最大遲刷深度的因素衆多,而且這些因素的關繫是非線性的.實現河灣最大遲刷深度預測的實質是建立一箇非線性映射.實現這種映射的傳統途徑是在室內試驗的基礎上,採用量綱分析和多元迴歸的方式建立經驗公式.根據BP(前饋)神經網絡模型能逼近任何閉區間的連續函數的性質,在室內試驗的基礎上,嘗試採用人工神經網絡模型對河灣遲刷深度進行預測,併與經驗公式的計算結果進行瞭比較.結果顯示,BP神經網絡能夠更為準確地對河灣最大遲刷深度做齣預測.
영향하만요안최대충쇄심도적인소음다,이차저사인소적관계시비선성적.실현하만최대충쇄심도예측적실질시건립일개비선성영사.실현저충영사적전통도경시재실내시험적기출상,채용량강분석화다원회귀적방식건립경험공식.근거BP(전궤)신경망락모형능핍근임하폐구간적련속함수적성질,재실내시험적기출상,상시채용인공신경망락모형대하만충쇄심도진행예측,병여경험공식적계산결과진행료비교.결과현시,BP신경망락능구경위준학지대하만최대충쇄심도주출예측.
