水文
水文
수문
HYDROLOGY
2015年
1期
20-25
,共6页
洪水预报%人工神经网络%BP算法%洪水预报系统%应用
洪水預報%人工神經網絡%BP算法%洪水預報繫統%應用
홍수예보%인공신경망락%BP산법%홍수예보계통%응용
flood forecasting%artificial neural networks%back propagation algorithm%flood forecasting system%application
采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型.将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度.
採用相關分析法,在區域降水、觀測斷麵流量(或水位)因子中識彆齣影響預報斷麵徑流過程的主要變量,在多箇觀測斷麵的數據均為流量情況下,採用基于時延組閤的閤成流量為影響預報斷麵徑流過程的變量,採用自相關分析法,識彆齣影響預報斷麵徑流過程的前期流量(或水位),以這些變量為BP神經網絡模型的輸入,以預報斷麵的流量(或水位)為模型的輸齣,在BP神經網絡隱層節點數自動優選的基礎上,構建瞭基于BP神經網絡的洪水預報模型.將模型載入中國洪水預報繫統中,應用結果錶明:模型在歷史洪水訓練樣本具有一定代錶性的情況下,可穫得較高的預報精度.
채용상관분석법,재구역강수、관측단면류량(혹수위)인자중식별출영향예보단면경류과정적주요변량,재다개관측단면적수거균위류량정황하,채용기우시연조합적합성류량위영향예보단면경류과정적변량,채용자상관분석법,식별출영향예보단면경류과정적전기류량(혹수위),이저사변량위BP신경망락모형적수입,이예보단면적류량(혹수위)위모형적수출,재BP신경망락은층절점수자동우선적기출상,구건료기우BP신경망락적홍수예보모형.장모형재입중국홍수예보계통중,응용결과표명:모형재역사홍수훈련양본구유일정대표성적정황하,가획득교고적예보정도.
