中国水土保持科学
中國水土保持科學
중국수토보지과학
SCIENCE OF SOIL AND WATER CONSERVATION
2012年
1期
25-31
,共7页
焦鹏%姚文艺%严军%肖培青%申震洲%杨春霞
焦鵬%姚文藝%嚴軍%肖培青%申震洲%楊春霞
초붕%요문예%엄군%초배청%신진주%양춘하
GRNN模型%Adaboost算法%土壤侵蚀%坡面径流输沙能力
GRNN模型%Adaboost算法%土壤侵蝕%坡麵徑流輸沙能力
GRNN모형%Adaboost산법%토양침식%파면경류수사능력
坡面径流输沙能力是建立土壤侵蚀过程模型的重要水力学参数,研究定量计算坡面径流输沙能力的实用模型具有重要的理论和实践意义.通过室内模拟径流冲刷试验,计算不同坡度和流量条件下的裸地坡面径流输沙能力,利用平均影响值(MIV)方法对影响坡面径流输沙能力的因子进行分析,建立以干密度、能坡、进口流量、出口流量、水力半径、流速为输入,以坡面径流输沙能力为输出的广义回归神经网络(GRNN)模型,并应用Adaboost算法对模型进行优化.验证结果表明,所建模型能够用于对坡面径流输沙能力的模拟预测.与BP神经网络模型进行对比分析的结果表明:在试验训练样本条件下,广义回归神经网络(GRNN)模型的模拟预测结果优于BP神经网络模型；Adaboost算法能够有效减小广义回归神经网络(GRNN)模型的模拟预测误差.
坡麵徑流輸沙能力是建立土壤侵蝕過程模型的重要水力學參數,研究定量計算坡麵徑流輸沙能力的實用模型具有重要的理論和實踐意義.通過室內模擬徑流遲刷試驗,計算不同坡度和流量條件下的裸地坡麵徑流輸沙能力,利用平均影響值(MIV)方法對影響坡麵徑流輸沙能力的因子進行分析,建立以榦密度、能坡、進口流量、齣口流量、水力半徑、流速為輸入,以坡麵徑流輸沙能力為輸齣的廣義迴歸神經網絡(GRNN)模型,併應用Adaboost算法對模型進行優化.驗證結果錶明,所建模型能夠用于對坡麵徑流輸沙能力的模擬預測.與BP神經網絡模型進行對比分析的結果錶明:在試驗訓練樣本條件下,廣義迴歸神經網絡(GRNN)模型的模擬預測結果優于BP神經網絡模型；Adaboost算法能夠有效減小廣義迴歸神經網絡(GRNN)模型的模擬預測誤差.
파면경류수사능력시건립토양침식과정모형적중요수역학삼수,연구정량계산파면경류수사능력적실용모형구유중요적이론화실천의의.통과실내모의경류충쇄시험,계산불동파도화류량조건하적라지파면경류수사능력,이용평균영향치(MIV)방법대영향파면경류수사능력적인자진행분석,건립이간밀도、능파、진구류량、출구류량、수력반경、류속위수입,이파면경류수사능력위수출적엄의회귀신경망락(GRNN)모형,병응용Adaboost산법대모형진행우화.험증결과표명,소건모형능구용우대파면경류수사능력적모의예측.여BP신경망락모형진행대비분석적결과표명:재시험훈련양본조건하,엄의회귀신경망락(GRNN)모형적모의예측결과우우BP신경망락모형；Adaboost산법능구유효감소엄의회귀신경망락(GRNN)모형적모의예측오차.
