摘要
本发明公开了一种排水管道淤积度概率调节参数引导时变滑块神经网络的内涝智能预测方法,包括:建立排水管道淤积颗粒输移的理论概率结构式;排水管道淤积颗粒输移的理论概率结构式中的参数率定;利用跳跃反馈的排水管道淤积颗粒遗传寻优算法,预测得到排水管道淤积度概率调节参数;引入到雨洪数值模型,结合改进的样本集扩充方法,得到扩充后的训练样本集;在双向长短记忆神经网络的每个数据处理单元中嵌入组合式预处理模块和时变滑块寻优模块,再通过增加误差补偿因子,得到改进后的时变滑块神经网络,以扩充后的训练样本集为时变滑块神经网络输入,进而得到排水管道淤积度概率调节参数引导时变滑块神经网络的内涝智能预测。
技术关键词
排水管道
二维卷积神经网络
长短记忆神经网络
智能预测方法
训练样本集
结构式
参数
滑动时间窗口
生成对抗网络
误差距离
数据处理单元
三维卷积神经网络
滑块
组合式
理论
空间特征提取
流固耦合数值模拟
算法
系统为您推荐了相关专利信息
神经网络模型
图像特征数据
融合特征
辐射光谱特征
材料检测方法
图像生成系统
大语言模型
意图识别
工程系统
训练样本集
羟基红花黄色素
高光谱图像数据
深度强化学习模型
激光诱导击穿光谱仪
高光谱图像特征
掩码规则
模型预训练
计算机执行指令
数据
训练样本集