10.16076/j.cnki.cjhd.2022.01.016
基于人工神经网络对侧堰流量系数的预测研究
流量系数是堰的设计重要参数之一,该文通过神经网络模型多层感知器(MLP)和广义神经网络(GRNN)对矩形尖顶侧堰流量系数(Cd)进行建模和预测.通过MATLAB程序语言设计两种不同的神经网络模型,再以无量纲弗劳德数(Fr)、堰长与堰宽之比(L/b)、堰长与上游水深之比(L/h1)和堰高与上游水深之比(P/h1)作为输入参数,流量系数(Cd)作为输出参数.研究结果表明,验证阶段决定系数R2=0.938、均方根误差RMSE=0.017、散度SI=0.036和平均绝对百分比误差MAPE=0.004%的GRNN模型优于MLP和GMDH模型,96%的预测数据误差在4%以下,具有较高的准确性,可为相关研究提供有价值的参考.
侧堰;流量系数;神经网络;MLP;GRNN
37
TV135.2(水利工程基础科学)
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
125-131