共查询到19条相似文献，搜索用时 140 毫秒
1.
应用数值地形模型萃取河川网路时,面积门槛值常会影响到河川网路萃取结果,改变河川网路密度。本文旨在探讨不同的面积门槛值对上游陡坡森林集水区河川网路萃取之影响,以台湾南部中寮溪及扇平溪集水区为研究对象。结果显示,河流级序、支数及长度均随面积门槛值增加而减少,河溪数目比、河溪长度比及河溪面积比与面积门槛值无明确趋势可循,变动范围较大。排水密度与河川频率则随面积门槛值增加而减少,成幂函数关系递减,其相关判定系数（R 相似文献
2.
应用数值地形模型萃取河川网路时,面积门槛值常会影响到多路萃取结果,发迹河川网路密度。本文旨在探讨不是的面积门槛值对上游陡坡森林集水区河川同网路萃取之影响,以台湾南部中寮溪及扇平溪集水区为研究对象,结果显示,河流级序、支数及长度均随面积门槛值增加而减少,河溪数目比、河溪长度比及河溪面积比与面积值无明显确趋势可循,变动范围罗大。排水密度与河川频率则随面积门槛值增加而减少,成幂函数关系递箕相关判定系数Ｒ 相似文献
3.
基于GRNN的坡面径流输沙能力模型的试验研究 总被引：1，自引：0，他引：1
坡面径流输沙能力是建立土壤侵蚀过程模型的重要水力学参数,研究定量计算坡面径流输沙能力的实用模型具有重要的理论和实践意义.通过室内模拟径流冲刷试验,计算不同坡度和流量条件下的裸地坡面径流输沙能力,利用平均影响值(MIV)方法对影响坡面径流输沙能力的因子进行分析,建立以干密度、能坡、进口流量、出口流量、水力半径、流速为输入,以坡面径流输沙能力为输出的广义回归神经网络(GRNN)模型,并应用Adaboost算法对模型进行优化.验证结果表明,所建模型能够用于对坡面径流输沙能力的模拟预测.与BP神经网络模型进行对比分析的结果表明:在试验训练样本条件下,广义回归神经网络(GRNN)模型的模拟预测结果优于BP神经网络模型;Adaboost算法能够有效减小广义回归神经网络(GRNN)模型的模拟预测误差. 相似文献
4.
台湾地区溪流生态基础流量推估——和平溪上游案例研究 总被引：3，自引：1，他引：2
在研究山区河川的水理计算方法时有争议,尚未有定论,一般研究河川基础流量以采用历史流量评估法及水理评估法为常用的量化方式。本研究主要以“历史流量评估法”进行生态基础流量分析。依据面积与流量经验值估算,本研究推估之最小生态基础流量约为0.32～0.95cms;依照日本一般生态基础流量计算标准,则维护生态最小放流量应为1.06cms。利用Tennant法计算生态基础流量时应随时间季节及水文条件变化。推估值于丰水期之基础流量应为1.46cms,枯水期应为0.61cms。若按日流量延时曲线之95%为分析基础,则查询 相似文献
5.
基于CFD的离心泵小流量工况下扬程预测分析 总被引：2，自引：1，他引：1
为了分析和提高小流量工况下离心泵CFD(computational fluid dynamics)扬程预测的精度,该文对一比转数为64的离心泵多个小流量工况下的内部流动进行了全流场定常多相位和非定常瞬态数值模拟。重点分析了定常多相位计算中的相位角和非定常计算中的时间步长对扬程预测结果的影响,并对比分析了定常多相位和非定常计算对扬程预测的优劣及其原因。研究结果表明,相位角对定常多相位数值计算的扬程预测结果影响很小;时间步长对基于非定常数值计算的扬程预测结果有较大影响。非定常数值计算的扬程预测精度远高于定常多相位数值计算的扬程预测精度,其相对误差都在2%以内。随着流量的减小,叶片与蜗壳的动静干涉作用也越来越明显。对小流量工况下离心泵扬程进行CFD预测,必须被考虑叶片与隔舌的动静干涉作用。 相似文献
6.
为提高压力补偿灌水器的设计和研发效率,该文采用计算流体动力学(computational fluid dynamics,CFD)分析方法,结合有限元分析技术,提出一种压力补偿灌水器的分步式CFD设计方法,研制了圆柱式压力补偿灌水器,并进行了灌水器流量预测,得到其设计压力-流量曲线。利用光固化快速成型技术,快速制作出压力补偿灌水器试验件,进行了水力性能试验,得到了灌水器试验压力-流量曲线,发现通过分步式CFD计算得到的预测压力-流量曲线,与水力性能试验得到的试验压力-流量曲线在压力补偿灌水器的有效工作压力区间内吻合度良好,验证了分步式CFD设计方法。在此基础上研究了压力补偿灌水器补偿区结构对其压力补偿性能的影响,发现补偿区高度对灌水器补偿性能影响显著,可以通过改变补偿区高度来设计不同补偿性能的灌水器。该研究对指导压力补偿灌水器的设计和开发具有一定的意义。 相似文献
7.
为提高压力补偿灌水器的设计精度与设计效率,研究了压力补偿灌水器流固耦合数值计算方法,并采用快速成型技术制作的灌水器试验件进行水力性能试验,从流量的角度对压力补偿灌水器流固耦合计算方法进行验证。结果表明,采用SSTK-ω紊流模型进行流场计算、自适应网格重划分方法对变形的流体网格进行重构、结合弹性膜片的接触分析的流固耦合计算方法所得到的灌水器流量结果与试验结果最大偏差为2.5%,能够对压力补偿灌水器一定工作压力范围内的流量进行准确预测,可为压力补偿灌水器快速开发提供理论依据、减少试验次数、缩短开发周期、提高设计精度。 相似文献
8.
为了直接、准确预测灌水器流量,引入支持向量机预测方法,取灌水器6个工作压力和8个几何参数作为因素,正交设计安排300组灌水器训练样本和30组检测样本,并采用精度较高的SST k-ω模型模拟计算灌水器流量,同时利用遗传算法对支持向量机参数进行优化计算,得到与模拟流量误差最小的流量预测值。结果表明,惩罚参数为100、核函数参数为20时检测样本的流量预测值与模拟值的误差最小,平均相对误差为1.91%,决定系数为0.98,而回归拟合方法计算得到的平均相对误差为6.45%,决定系数为0.93,表明支持向量机预测流量的优越性,且30组试验验证样本的平均相对误差为2.25%,证明支持向量机预测的准确性和可靠性。预测模型建立可有效地提高灌水器研发效率,对水力性能评估和流道结构设计与优化提供依据。 相似文献
9.
不同湍流模型在轴流泵性能预测中的应用 总被引：1，自引：10，他引：1
为了评价不同湍流模型在轴流泵性能预测中的精度,该文以南水北调工程轴流泵模型作为研究对象,分别选取了3种湍流模型标准k-ε湍流模型(standard k-ε)、重正化群k-ε湍流模型(renormalization group k-ε,RNG)和雷诺应力模型(reynolds stress model,RSM),基于SIMPLE算法(semi-implicit method for pressure-linked equations)和结构化网格,进行了轴流泵性能预测和全流场数值模拟,并以水利部天津同台测试的试验结果作为基准对预测扬程和效率进行了误差分析。研究结果表明,网格密度对模拟结果具有较大影响,较疏的网格导致性能预测精度降低,在大流量和小流量工况下预测的扬程和效率误差将达到3%以上;在最优工况下,Standard k-ε、RNG k-ε和RSM湍流模型的扬程预测误差分别为0.97%、1.12%和1.24%,效率预测误差分别为2.93%、2.49%和2.97%,可满足工程应用要求;但在非设计工况下,由于二次回流、空化等复杂流动的存在,内部流场复杂,3种湍流模型的扬程最大预测误差范围为9.40%～14.30%,效率最大预测误差范围为4.48%～8.30%。该结论将为轴流泵性能预测的可靠性提供依据。 相似文献
10.
动水法观测渠道渗漏较静水法便捷,但由于动水法观测条件苛刻,通常使得动水法定义下的计算结果可靠性较差。该文通过对动水法观测问题及特点分析,建立了流量过程线推移法,通过数据平行检验,绘制有效数据的流量过程线,并对流量过程线进行顺流推移和逆流推移,从而获得某观测时段内上、下游观测断面的流量过程线差,进而算得损失流量。该文以石津灌区四干三分干南四支梯形混凝土衬砌渠道为例进行了分析,对该段渠道上6种衬砌形式进行静水法和流量过程线推移法观测。静水法分析得6种衬砌形式的渗漏量与渠道水深之间均表现为幂函数形式。流量过程线推移法通过平行检验得到19组数据,计算得到渗漏量,将其与静水法得到结果进行比较,得到有12组数据绝对误差小于10 m3/(km·h)。两种方法的渗漏量与水深相关分析呈现相同的变化趋势,即渗漏量随水深的增加而增加。该研究初步验证了流量过程线推移法在渗漏量计算上的可行性。 相似文献
11.
12.
为探究水蚀因子对冻融坡面土壤剥蚀率的影响,采用2个坡度(10°,15°)、4个流量(4.5,6.5,8.5,10.5L/min)和4个起始解冻深度(2,5,10,15cm),模拟野外径流冲刷试验。采用BP神经网络方法和逐步回归分析法,分析土壤剥蚀率和流量、坡度、起始解冻深度、流速、水流剪切力、水流功率与单位水流功率7个水蚀因子关系。结果表明:通过BP神经网络连接权关系分析水蚀因子对冻融坡面土壤剥蚀率影响顺序为水流功率单位水流功率起始解冻深度水流剪切力流量流速坡度。BP神经网络模型的土壤剥蚀率预测平均误差为2.848%(R~2=0.954);逐步回归模型的土壤剥蚀率预测平均误差4.820%(R~2=0.925);基于单一水蚀因子(水流功率)模型的土壤剥蚀率预测平均误差5.298%(R~2=0.867)。基于BP神经网络的土壤剥蚀率预测效果最好,为春季解冻时期冻融坡面不同起始解冻深度条件下土壤侵蚀预报模型的建立提供了新思路。 相似文献
13.
BP神经网络和SVM模型对施加生物炭土壤水分预测的适用性 总被引：2，自引：0，他引：2
生物炭作为土壤改良剂对半干旱区土壤水分有良好的吸持作用,为确定施加生物炭对土壤水分预测模型适用性的影响,依托黄土高原半干旱区固原生态站开展了小区定位试验。向土壤中施加不同种类及比例的生物炭,定期监测土壤水分含量;考虑土壤含水量的非线性特征以及生物炭对土壤水分的影响,选取BP神经网络和SVM支持向量机两种模型,建立施加生物炭土壤水分预测模型。计算预测值,并与实测值对比,分析相对误差;利用RMSE、MRE、MAE和R2评估BP神经网络和SVM模型的精度。结果表明;BP神经网络预测值的平均相对误差为3.78%,最大误差为13.14%;SVM模型的平均相对误差为0.56%,最大误差为2.42%。SVM模型的RMSE、MRE、MAE值(分别为0.34~0.17,0.07,0.56~1.27)均小于BP神经网络的(分别为1.04~1.16,0.47~0.68,3.78~4.57),且决定系数R2值SVM模型(0.96~0.99)大于BP神经网络(0.56~0.64)。BP神经网络和SVM模型均能很好地预测施加生物炭的土壤水分,但SVM模型预测结果更加稳定,精度较高,更适于施加生物炭土壤水分的预测。该研究可为半干旱地区生物炭还田土壤水分的预测及管理提供理论依据。 相似文献
14.
不同利用方式下土壤有机质和全磷的可见近红外高光谱反演 总被引：8，自引：0，他引：8
以太湖流域直湖港小流域稻田、桃园和菜地的土壤样本为研究对象,研究了不同光谱建模方法和土地利用方式对土壤有机质和全磷高光谱反演的影响。结果表明:(1)偏最小二乘回归分析(Partial least squarer egression,PLSR)模型的建模和预测精度较高且稳定;人工神经网络中广义回归神经网络(Generalized regression neural network,GRNN)网络预测精度较高但易出现过拟合现象,反向传播神经网络(Back propagation neural network,BPNN)网络比较稳健但精度略低;偏最小二乘与人工神经网络相结合则可综合两者优点,改善复杂样本下的预测精度。(2)土壤有机质的光谱反演结果优于全磷。3种土地利用方式中,稻田的预测效果总体优于桃园和菜地。在当前研究区域内土地利用方式对土壤有机质光谱反演影响不大,但对全磷反演影响较大。今后利用光谱对土壤全磷反演时需分土地利用方式对模型进行校准。 相似文献
15.
预测天然文岩渠流域土壤饱和导水率的土壤转换函数方法比较研究 总被引：1，自引：0，他引：1
在天然文岩渠流域大量实测土壤剖面数据的基础上,评价了12种根据基本土壤性质预测不同层次土壤饱和水力传导率的土壤转换函数方法的效果,同时还探讨了多元回归和BP人工神经网络两种构建方法的适用性。结果表明：基于BP神经网络方法的土壤转换函数预测精度均显著优于根据多元回归建立的土壤转换函数,其中基于BP-ANN的Wosten1999函数对于表层和底层土壤预测精度最高,而Li2007方法对第二层土壤预测效果最好;不考虑分层因素时,基于BP-ANN的Wosten1999函数预测效果最好。此外还利用GIS空间插值,对天然文岩渠流域不同深度的土壤饱和导水率进行可视化表达,为模拟该地区的土壤水分运动提供参数支持。 相似文献
16.
基于人工神经网络的感应电动机转子电阻参数辨识 总被引：2，自引：0，他引：2
为应用人工神经网络于感应电动机传动系统中,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的感应电动机参数辨识方法。这种方法的精确性不受网络初值及控制参数的影响。仿真结果证明了人工神经网络辨识方法的精确性和快速性。 相似文献
17.
人口系统是一个非常复杂的非线性系统,对人口数量的准确预测能为应急避险规划等提供重要依据。通过建立一维时间序列的BP人工神经网络模型,根据1980-2005年的人口统计数据,借助Matlab5.3软件进行了北京城近郊区的户籍人口数量预测。检验结果显示,2003、2004和2005年预测值与实际样本的差值在6～7万人之间,其与实际样本的比值约为1%,预测精度完全符合要求。最终预测得到2006、2007、2008、2009、2010年的人口分别为703.2、708.5、720.9、733.8、734.6万人。 相似文献
18.
From hydrocarbon reservoirs, beside of oil and natural gas, thebrine is also produced as a waste material, which may bedischarged at the surface or re-injected into the ground. Whenthe wastewater is injected into the ground, it may be mixed withfresh water source due to to several reasons. Forecastingthe pollutant concentrations by knowing the historical data atseveral locations on a field has a great importance to take thenecessary precautions before the undesired situations arehappened.The aim of this study is to describe Artificial Neural Network(ANN) approach that can be used to forecast the future pollutantconcentrations and hydraulic heads of a groundwater source. Inorder to check the validity of the approach, a hypotheticalfield data as a case study were produced by using groundwatersimulator (MOC). Hydraulic heads and chlorine concentrationswere obtained from groundwater simulations. ANN was trained byusing the historical data of last two years. The future chlorineconcentrations and hydraulic heads were estimated by applyingboth the long-term and the short-term ANN predictions. Anapproach to overcome the effects of using the data of a singlewell was proposed by favouring the use of data set for aneighbour well. The higher errors for the long-term ANNpredictions were obtained at the observation wells, which wereaway from an injection well. In order to minimise the differencebetween the results of long-term ANN approach and flowsimulation runs; the short-term prediction was applied. The useof short-term prediction for the wells away from an injectionwell was found to give highly acceptable results when thelong-term prediction fails. The average absolute error obtainedfrom the shortterm forecasting study was 3.5% when compared to18.5% for the long-term forecasting. 相似文献