📄 用bp神经网络原理对水流挟沙力的研究.htm
字号:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<!-- saved from url=(0058)http://www.chinawater.net.cn/Journal/SediRes/200401/05.htm -->
<HTML><HEAD><TITLE>用BP神经网络原理对水流挟沙力的研究</TITLE>
<META http-equiv=Content-Type content="text/html; charset=gb2312">
<META content="MSHTML 6.00.2800.1106" name=GENERATOR>
<META content=FrontPage.Editor.Document name=ProgId>
<STYLE>P {
FONT-SIZE: 11.5pt; COLOR: #000000; LINE-HEIGHT: 150%
}
TD {
FONT-SIZE: 11.5pt; COLOR: #000000; LINE-HEIGHT: 150%
}
BODY {
FONT-SIZE: 11.5pt; COLOR: #000000; LINE-HEIGHT: 150%
}
A:link {
COLOR: #0000ff; TEXT-DECORATION: none
}
A:visited {
COLOR: #333333; TEXT-DECORATION: none
}
A:active {
TEXT-DECORATION: none
}
A:hover {
COLOR: #ff0000; TEXT-DECORATION: underline
}
.font10 {
FONT-SIZE: 10pt
}
.font9 {
FONT-SIZE: 9pt
}
</STYLE>
</HEAD>
<BODY>
<P class=MsoNormal style="mso-layout-grid-align: none" align=center><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN"><B><FONT
size=3><A name=用BP神经网络原理对水流挟沙力的研究>用BP神经网络原理对水流挟沙力的研究<O:P>
</O:P></A></FONT></B></SPAN></P>
<P class=MsoNormal style="mso-layout-grid-align: none" align=center><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN"><FONT
size=2>陈雄波， 唐洪武<O:P> </O:P><BR>（河海大学 水利水电工程学院，江苏 南京210098）<O:P>
</O:P></FONT></SPAN></P>
<P class=MsoNormal style="TEXT-ALIGN: left; mso-layout-grid-align: none"
align=left><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN"><FONT
size=2><B>摘要：</B>通过对影响挟沙能力因素的分析，认为挟沙力的武汉水院公式和窦国仁公式在神经网络原理的基础上是一致的。找出了进行BP神经网络训练时应考虑的水沙要素，采用C++
Builder语言编制的程序，对30组高、中、低含沙量的水槽试验资料进行训练，发现训练值与实测值符合较好，说明得到的连接权能反映实际情况；用该连接权对4组试验数据进行了预测，预测结果与实测值相差较小，表明用BP神经网络方法确定挟沙能力的可行性。<O:P>
</O:P></FONT></SPAN></P>
<P class=MsoNormal style="TEXT-ALIGN: left; mso-layout-grid-align: none"
align=left><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN"><FONT
size=2><B>关键词：</B>人工神经网络；挟沙力；训练；预测 <O:P></O:P></FONT></SPAN></P>
<P class=MsoNormal
style="TEXT-INDENT: 21pt; TEXT-ALIGN: left; mso-layout-grid-align: none; mso-char-indent-count: 2.0; mso-char-indent-size: 10.5pt"
align=left><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN">人工神经网络（Artifical
Neural
Network，简称ANN）理论是上世纪80年代中后期世界范围内迅速发展起来的一个前沿研究领域，其发展已经对计算机科学、人工智能、认知科学等领域产生了重要影响。近年来，世界各国掀起了ANN研究、开发应用的热潮，有关人工神经网络的新的研究成果不断涌现，目前这种研究方法已经渗透到水力学和河流动力学研究领域。Jahangir等采用ANN方法计算地下水输移，并比较了误差逆传播（Back-Propagation，简称BP）算法和遗传（Genetic
Algorithm，简称GA）算法在该领域的适用性<SUP>［1］</SUP>，Yonas等讨论了ANN在水力数值模型中的使用情况<SUP>［2］</SUP>。国内也有人将ANN用于分析岸滩变形<SUP>［3］</SUP>，或将
ANN与河网水沙连续方程联系，建立了具有河网水沙运动特点的人工神经网络模型，赋予神经网络内部参数物理概念，所建立的模型在结构和算法上与传统BP算法有很多相似之处<SUP>［4］</SUP>。但将ANN应用于悬移质水流挟沙力方面，还没有见到这方面的研究。<O:P>
</O:P></SPAN></P>
<P class=MsoNormal
style="TEXT-INDENT: 21pt; TEXT-ALIGN: left; mso-layout-grid-align: none; mso-char-indent-count: 2.0; mso-char-indent-size: 10.5pt"
align=left><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.0pt; mso-hansi-font-family: Arial; mso-bidi-font-family: Arial; mso-font-kerning: 0pt; mso-ansi-language: ZH-CN">目前，在人工神经网络的实际应用中，绝大部分的ANN模型是采用ＢＰ算法和它的变化形式，它是前馈网络的核心部分，并体现了人工神经网络最精华的部分<SUP>［5，6］</SUP>。典型的ＢＰ网络是二层、前馈阶层网络，即：输入层、隐含层（也称中间层）和输出层。各层之间实行全连接。如图１所示。
</SPAN></P>
<TABLE cellSpacing=0 cellPadding=0 width="100%" border=0>
<TBODY>
<TR>
<TD vAlign=top width="66%">
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -