首页|基于GA-RBF神经网络的位山闸引水能力预测研究

基于GA-RBF神经网络的位山闸引水能力预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]对位山闸改建后的引水能力进行预测.[方法]利用RBF神经网络非线性拟合能力强和遗传算法寻优能力强的优点,建立一种基于遗传算法(GA)优化RBF神经网络隐层各参数的位山闸引水能力预测模型,模型输入变量为闸门开数、闸前、闸后水深和季节因子(受汛期影响,汛期内季节因子为1,非汛期内季节因子为2),输出变量为实测过闸流量,利用现状水情数据组成的样本集对该模型进行训练和检验,检验训练后的模型平均误差为1.64％,证明预测效果较好.[结果]汛期时引水能力能满足设计要求;非汛期时,引水能力随闸后水头降低而增大,考虑闸后输沙渠下挖改造方案,基本也能满足设计要求.[结论]GA-RBF模型在位山闸引水能力预测上适应性强,预测精度高,有一定的推广应用价值.
Using GA-RBF Neural Network Model to Calculate the Diversion Capability of the Weishan Sluice

李守涛、王军涛、于明、姚京威、赵国平、樊玉苗

展开 >

黄河水利科学研究院,郑州 450045

河海大学 水利水电学院,南京 210098

聊城市位山灌区管理处,山东 聊城 252053

聊城市黄河河务局,山东 聊城 252000

展开 >

位山闸 GA-RBF 引水能力 预测

国家重点研发计划项目黄科院2020年科技发展基金河南省自然科学基金黄河水利科学研究院基本科研业务费专项

2018YFC0407705黄科发202005202300410544HKY-JBYW-2017-22

2021

10.13522/j.cnki.ggps.2020161

灌溉排水学报
水利部农田灌溉研究所,中国农科院农田灌溉研究所 中国水利学会,国家灌溉排水委员会

灌溉排水学报

CSTPCDCSCD北大核心
影响因子：0.502
ISSN：1672-3317
年,卷(期)：2021.40(6)
  • 2
  • 10