江南大学学报（自然科学版）
江南大學學報（自然科學版）
강남대학학보（자연과학판）
JOURNAL OF SOUTHERN YANGTZE UNIVERSITY（NATURAL SCIENCE EDITION）
2015年
3期
338-343
,共6页
曹爱武%顾圣平%何露%国栋
曹愛武%顧聖平%何露%國棟
조애무%고골평%하로%국동
水库淤积%含沙量预测%小波神经网络%梯度修正法
水庫淤積%含沙量預測%小波神經網絡%梯度脩正法
수고어적%함사량예측%소파신경망락%제도수정법
reservoir sedimentation%sediment concentration forecast%wavelet neural network%gradient calibration method
针对水沙机理复杂,水文预报中泥沙难以预测的问题,将小波神经网络应用到水库入库含沙量、泥沙淤积量预测,计算简便,预测结果可为水库短期调度运行和长期运行管理提供依据.采用梯度修正法修正网络权值和小波基函数参数,通过分析影响水库入库含沙量、泥沙淤积量的主要因素,分别建立小波神经网络预测模型.以某水库为例,对其入库含沙量及泥沙淤积量进行了预测.与实测结果的对比分析表明,预测结果的确定性系数分别达到0.70及0.97,且入库含沙量的预测结果较BP神经网络预测结果好.该方法预测精度较高且计算方便.
針對水沙機理複雜,水文預報中泥沙難以預測的問題,將小波神經網絡應用到水庫入庫含沙量、泥沙淤積量預測,計算簡便,預測結果可為水庫短期調度運行和長期運行管理提供依據.採用梯度脩正法脩正網絡權值和小波基函數參數,通過分析影響水庫入庫含沙量、泥沙淤積量的主要因素,分彆建立小波神經網絡預測模型.以某水庫為例,對其入庫含沙量及泥沙淤積量進行瞭預測.與實測結果的對比分析錶明,預測結果的確定性繫數分彆達到0.70及0.97,且入庫含沙量的預測結果較BP神經網絡預測結果好.該方法預測精度較高且計算方便.
침대수사궤리복잡,수문예보중니사난이예측적문제,장소파신경망락응용도수고입고함사량、니사어적량예측,계산간편,예측결과가위수고단기조도운행화장기운행관리제공의거.채용제도수정법수정망락권치화소파기함수삼수,통과분석영향수고입고함사량、니사어적량적주요인소,분별건립소파신경망락예측모형.이모수고위례,대기입고함사량급니사어적량진행료예측.여실측결과적대비분석표명,예측결과적학정성계수분별체도0.70급0.97,차입고함사량적예측결과교BP신경망락예측결과호.해방법예측정도교고차계산방편.
