海洋环境科学
海洋環境科學
해양배경과학
MARINE ENVIRONMENTAL SCIENCE
2012年
1期
97-101
,共5页
李明昌%张光玉%梁书秀%孙昭晨%尤学一
李明昌%張光玉%樑書秀%孫昭晨%尤學一
리명창%장광옥%량서수%손소신%우학일
海域水质模型%参数%动态反演%数据驱动模型%人工神经网络
海域水質模型%參數%動態反縯%數據驅動模型%人工神經網絡
해역수질모형%삼수%동태반연%수거구동모형%인공신경망락
海域水质模型长周期数值模拟中,模型参数全时段统一赋值的方法忽略了参数随时间动态变化的物理特性,降低了模型的可靠性,增加了海域水质模型验证工作的难度.本文建立了将数据驱动模型和水质模型有机结合的参数动态反演的新方法:以水质模型多参数设计工况的数值模拟,构建海域内部观测点污染物浓度响应解集,并将解集划分为若干时段;应用基于人工神经网络的数据驱动模型归纳建立观测点每一时段内污染物浓度同多个模型参数之间的非线性关系;将实测资料带入关系中,进行模型参数随时间变化的动态反演.以渤海海域水质模型为例,采用“孪生”实验验证参数动态反演新方法的可行性,结果表明该方法是有效的,能够保证模拟周期内较高的数值精度,提高了模型的准确性.
海域水質模型長週期數值模擬中,模型參數全時段統一賦值的方法忽略瞭參數隨時間動態變化的物理特性,降低瞭模型的可靠性,增加瞭海域水質模型驗證工作的難度.本文建立瞭將數據驅動模型和水質模型有機結閤的參數動態反縯的新方法:以水質模型多參數設計工況的數值模擬,構建海域內部觀測點汙染物濃度響應解集,併將解集劃分為若榦時段;應用基于人工神經網絡的數據驅動模型歸納建立觀測點每一時段內汙染物濃度同多箇模型參數之間的非線性關繫;將實測資料帶入關繫中,進行模型參數隨時間變化的動態反縯.以渤海海域水質模型為例,採用“孿生”實驗驗證參數動態反縯新方法的可行性,結果錶明該方法是有效的,能夠保證模擬週期內較高的數值精度,提高瞭模型的準確性.
해역수질모형장주기수치모의중,모형삼수전시단통일부치적방법홀략료삼수수시간동태변화적물리특성,강저료모형적가고성,증가료해역수질모형험증공작적난도.본문건립료장수거구동모형화수질모형유궤결합적삼수동태반연적신방법:이수질모형다삼수설계공황적수치모의,구건해역내부관측점오염물농도향응해집,병장해집화분위약간시단;응용기우인공신경망락적수거구동모형귀납건립관측점매일시단내오염물농도동다개모형삼수지간적비선성관계;장실측자료대입관계중,진행모형삼수수시간변화적동태반연.이발해해역수질모형위례,채용“련생”실험험증삼수동태반연신방법적가행성,결과표명해방법시유효적,능구보증모의주기내교고적수치정도,제고료모형적준학성.