BP和RBF神经网络预测射流式喷头射程对比

摘要：

为了探究适合全射流喷头多因素下射程的预测模型,通过改变喷头工作压力、安装高度、喷嘴直径、喷头仰角共4个参数,对射程进行测量.基于BP神经网络和广义径向基(RBF)神经网络的基本原理和算法,建立了全射流喷头射程预测的BP和RBF神经网络模型,并分析BP和RBF神经网络的预测性能.结果表明射程与工作压力、喷嘴直径呈非线性关系;当喷头在1.2 m安装高度、27°仰角、4～10 mm喷嘴直径时,压力增大到0.4 MPa,射程趋于极限,并且安装高度与射程呈正相关关系.BP与RBF神经网络均能较好地表达全射流喷头射程与主控因素之间的非线性关系.在训练时间方面,RBF网络比BP网络慢8.05 s;预测过程中,BP网络在每次运行程序时的预测结果不一定相同,而RBF网络则不会出现此问题,且RBF网络预测值与实测值之间的平均绝对误差比BP网络的小3.55％.从网络预测总体效果观察,RBF神经网络预测喷头射程具有更好的推广能力.

关键词：全射流喷头、射程、预测、BP神经网络、RBF神经网络

所属期刊栏目：37

分类号：S277.9(农田水利)

资助基金："十三五"国家重点研发计划项目2016YFC0400202;江苏高校优势学科建设工程项目

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：263-269