摘要
本发明公开了一种用于流域中下游地区河道断面复杂水位与流量关系拟合的指标方法,包括以下步骤:收集目标河道断面的长时间序列数据,并进行预处理;计算水位对时间的变化率和流量对时间的变化率;基于一维河道水动力模型,通过圣维南方程组求解流速v和水深h并计算佛汝德数Fr;将水位Z、水位对时间的变化率dZ/dt,流量对时间的变化率dQ/dt,佛汝德数Fr作为神经网络的4个输入神经元,流量Q作为输出神经元;设置隐含层激活函数、神经元数量、学习率及动量因子参数,通过反向传播算法训练神经网络;利用训练后的神经网络对目标断面的流量进行模拟,输出复杂水位流量关系曲线;本发明模拟精度大幅提高。
技术关键词
河道断面
指标方法
水动力模型
训练神经网络
指标系统
水位流量关系
传播算法
序列
流速
数据
模数
因子
站点
曲线
输出模块
校正
参数
系统为您推荐了相关专利信息
图像特征向量
仿生无人机
智能识别方法
加权特征
训练神经网络
无监督迁移学习
训练神经网络
标签
神经网络架构
神经网络模型
深度确定性策略算法
宽带通信系统
波束赋形矩阵
无线通信系统
预编码矩阵