水科学进展
水科學進展
수과학진전
2012年
1期
21-28
,共8页
阚光远%刘志雨%李致家%姚成%周赛
闞光遠%劉誌雨%李緻傢%姚成%週賽
감광원%류지우%리치가%요성%주새
新安江模型%人工神经网络%反向传播算法%K-最近邻算法%SCE-UA算法
新安江模型%人工神經網絡%反嚮傳播算法%K-最近鄰算法%SCE-UA算法
신안강모형%인공신경망락%반향전파산법%K-최근린산법%SCE-UA산법
为提高新安江模型的汇流计算精度并减少经验因素对参数率定的影响,将新安江产流模型与改进的BP汇流模型相耦合,建立XBK (XAJ-BP-KNN)模型.该模型以前期模拟流量和新安江产流模型计算的产流量作为BP网络的输入,出口断面流量作为网络输出,拟合汇流的非线性关系,代替新安江模型的分水源、线性水库及河道马斯京根法的汇流计算；采用相似原理和K-最近邻算法,基于历史样本的模拟误差及相应影响要素对网络输出进行误差修正,实现了无前期实测流量的连续模拟；模型使用SCE-UA算法与遗传早停止LM算法相结合的全局优化方法进行参数优选.在呈村流域的验证表明XBK模型的模拟精度高于新安江模型,全局优化方法能找到最优参数,降低了模型的使用难度.
為提高新安江模型的彙流計算精度併減少經驗因素對參數率定的影響,將新安江產流模型與改進的BP彙流模型相耦閤,建立XBK (XAJ-BP-KNN)模型.該模型以前期模擬流量和新安江產流模型計算的產流量作為BP網絡的輸入,齣口斷麵流量作為網絡輸齣,擬閤彙流的非線性關繫,代替新安江模型的分水源、線性水庫及河道馬斯京根法的彙流計算；採用相似原理和K-最近鄰算法,基于歷史樣本的模擬誤差及相應影響要素對網絡輸齣進行誤差脩正,實現瞭無前期實測流量的連續模擬；模型使用SCE-UA算法與遺傳早停止LM算法相結閤的全跼優化方法進行參數優選.在呈村流域的驗證錶明XBK模型的模擬精度高于新安江模型,全跼優化方法能找到最優參數,降低瞭模型的使用難度.
위제고신안강모형적회류계산정도병감소경험인소대삼수솔정적영향,장신안강산류모형여개진적BP회류모형상우합,건립XBK (XAJ-BP-KNN)모형.해모형이전기모의류량화신안강산류모형계산적산류량작위BP망락적수입,출구단면류량작위망락수출,의합회류적비선성관계,대체신안강모형적분수원、선성수고급하도마사경근법적회류계산；채용상사원리화K-최근린산법,기우역사양본적모의오차급상응영향요소대망락수출진행오차수정,실현료무전기실측류량적련속모의；모형사용SCE-UA산법여유전조정지LM산법상결합적전국우화방법진행삼수우선.재정촌류역적험증표명XBK모형적모의정도고우신안강모형,전국우화방법능조도최우삼수,강저료모형적사용난도.
