大坝变形预报模型应用     

江显群  陈武奋  邵金龙  黄钲武 《排灌机械工程学报》2019,(10):870-874,920

为更加准确地反映出大坝变形数据的内部规律,及时对大坝稳定性和安全度做出评价并采取有效措施,选择广州市李溪拦河坝为研究对象,搜集了4#静力水准仪2015年9月—2019年3月共753组数据.选取了2015年9月—2017年12月共355组数据作为模型训练集建立模型,2018年1月—2018年12月328组数据作为模型验证集,用于评判模型性能;2019年1月—3月70组数据作为模型测试集,用于模型测试.分别采用逐步回归分析模型和时间序列模型进行建模及验证分析.样本测试集预测结果表明,逐步回归分析模型测试集均方差为0.022、决定系数为0.951;时间序列模型测试集均方差为0.007、决定系数为0.985.表明运用时间序列模型在拟合、预测和误差分析方面优于逐步回归模型.  相似文献   

BP神经网络与GA-BP农作物需水量预测模型对比   总被引：2，自引：0，他引：2  

江显群  陈武奋 《排灌机械工程学报》2018,36(8):762-766

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.  相似文献   

基于公共天气预报的参考作物腾发量预报   总被引：1，自引：0，他引：1  

江显群  陈武奋  邵金龙 《排灌机械工程学报》2019,37(12):1077-1081

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET₀为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET₀为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET₀进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET₀预报数据.  相似文献