首页|基于BP神经网络的HEC-RAS二维模型糙率参数自动率定

基于BP神经网络的HEC-RAS二维模型糙率参数自动率定

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
水面宽阔河段、洪泛区和潮汐河口段的水文及水动力学计算模拟多采用二维模型,然而因模型复杂的非线性映射关系常导致参数率定效率和精度不高,甚至出现“异参同效”问题.为此,提出一种应用BP神经网络自动率定二维模型糙率参数的方法.以海南昌化江入海口段为计算实例进行数值检验,结果表明:编写的Python程序能够准确率定HEC-RAS二维模型实例各糙率分区的糙率参数,各糙率分区的率定糙率值均在参数取值范围内,且均在观测糙率值±0.011内,未出现“异参同效”现象;水位率定计算误差满足设定允许误差要求,设定允许误差0.20m、0.15m和0.10m的平均率定计算误差小于0.10m,设定允许误差0.05 m的平均率定计算误差接近0m;设定允许误差为0.15m时,率定程序的运算效率最高.选用海南201409号台风“威马逊”时期的昌化江实测资料进行验证,证明该方法有效可靠,能够实现HEC-RAS软件二维模型糙率率定功能,可推广应用于其他模型参数率定.
BP neural network-based automatic calibration of roughness parameter for HEC-RAS 2-D model

夏铭辉、秦景、牛文龙、雷添杰

展开 >

北京中水科工程总公司,北京 100048

中国水利水电科学研究院,北京 100044

糙率 自动率定 BP神经网络 HEC-RAS Python 水位 水力特性 数值计算

国家重点研发计划

2018YFC1508203

2020

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(5)
  • 4
  • 13