坡面产流模式的神经网络模拟论文

坡面产流模式的神经网络模拟论文

ID:11235818

大小:54.00 KB

页数:4页

时间:2018-07-10

坡面产流模式的神经网络模拟论文_第1页
坡面产流模式的神经网络模拟论文_第2页
坡面产流模式的神经网络模拟论文_第3页
坡面产流模式的神经网络模拟论文_第4页
资源描述:

《坡面产流模式的神经网络模拟论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、坡面产流模式的神经网络模拟论文摘要:坡面产流是土壤本身特性与外界影响因素相互作用的结果,它们之间具有明显的非线性输入输出关系。在分析坡面产流和神经网络模型具有某些相似的基础上,利用径流站观测资料,建立了小流域坡面产流量的三层前向网络模型(BP算法),并显示了具有较好的模拟预测效果。关键词:人工神经网络坡面产流BP算法1引言一般而言,整个流域的不同区域,其地形、地貌、植被、土壤、人类活动等条件不尽相同。模拟流域的产流、汇流、土壤侵蚀、产沙及其泥沙输移特性,首先需将流域概化成若干流域特性近似的计算单元-称为小流域单元。Simonsetal

2、1将流域分成若干计算单元.freelallodelofneuralcellstructure图3三层BP神经网络模型Thesketchofthreelayersneuralodel3.2坡面小单元产流量的前向网络模型神经网络根据连接方式不同,可分为前向网络和相互结合型网络。就坡面产流量来讲,前向网络结构就能较好地模拟其产流模式,前向网络由输入层、中间层(隐含层)及输出层组成。目前应用广泛的前向网络是BP网络5,如图3所示。其中输入层有N个变量;隐层由G个神经元;输出层由M个神经元组成,各层神经元之间以及神经元和输入口之间有一定的联系,

3、其程度由权重in/Zmax-Zminβ+ξ(6)式中Zi和Ti分别是变换前后的变量,Zmin和Zmax分别是最小和最大值,β是一个取值为0-1.0之间的参数,本文取0.9,ξ=(1-β)/2。通过上述对坡面小单元产流结构和神经网络模型的对比分析,坡面产流量的前向神经网络模型可有一个输入层、一个输出层和一个隐层组成的三层BP网络模型进行模拟,其输入变量主要由降水特征值、其它单元径流输入等;而输出层为单一变量,即坡面小单元产流量;其中隐层的神经元数可用试错法确定。3.3小单元产流前向网络模型检验及预测为了检验前向三层BP模型对小单元产流量

4、模拟预测的可行性,应用四川某径流试验站观测资料,包括从1985~1990年观测小流域内两个子单元次降雨强度、降雨历时、降雨量、前期降雨量、蒸发量、径流量,该观测流域子单元特性见表1。表1径流试验站流域子单元特性Theentalstation编号流域面积(km2)平均比降(%)长度(km)河网密度(km/km2)形状系数I0.70518.981.0542.680.878II0.3433.470.8892.060.503为了研究模型的降水特征值输入量,确定研究小流域两个小单元的产流模式,采用黑龙江省宾县径流实验站4的研究方法,即分析损失量

5、与降雨强度的相关关系,若损失量与雨强相关性较弱,则为蓄满产流,其降水特征值输入量为降水量及前期降水量,反之为超渗产流,网络降水特征值参数主要鹊雨强度。利用研究流域的两个小单元的次降雨损失量(降雨总量-径流总量)与降雨强度的序列,建立它们之间的相关关系为对于I号小单元Δp=0.608p+4.732(R=0.951,n=51,F=452.6)(7)Δp=-0.316I+40.725(R=0.054,n=51,F=0.14)(8)对于II号小单元Δp=0.528p+4.985(R=0.918,n=46,F=235.7)(9)Δp=-0.35

6、5I+37.537(R=0.079,n=46,F=0.277)(10)图4I单元产流量实测与模拟值Theobservationandsimulationoftherunoffinunitone图5II单元产流量实测与模拟值Theobservationandsimulationoftherunoffinunittm)、p(mm)、I(mm/时)分别为次降雨的损失量、降雨量及降雨强度。由上述的相关关系及F检验可知,两个小单元的产流方式主要蓄满产流,因此建立产流网络模型时降水特征值参数主要鹊水量和前期降水量。由此可知,小单元I与II的网络模

7、型降水特征值输入参数分别取为降雨量及前期降雨量及次降雨期间蒸发量的损失参数。而下垫面及土壤参数可作用隐含参数,由此构成坡面小单元产流量神经网络模型。坡面小单元产流量模拟采用三层BP神经网络模型,第一层有3个结点,它们代表降雨量、前期降雨量(用前10天降雨总量表示)及蒸发量;第三层只有一个结点,表示坡面小单元产流量;隐层的结点数难以确定,采用“试错法”7确定两种样本的隐层单元数为3。利用I、II号两个小单元的观测资料建立坡面小单元产流量神经网络模型,以1985~1989年(共43/38次)的序列资料建立模型,以1990年(共8/8)次的

8、序列资料进行预报,其检验及预报结果见图4及图5。由图可知,对于两个小单元的产流量神经网络模型的模拟功能是有效的,相关性显著。4结语1.坡面产流是土壤特性与外界因素相互作用的结果,它们具有明显的非线性输入输出关系,神经网络

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。