龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：黄河勘测规划设计研究院有限公司
摘要：本发明公开了一种基于LHS‑GAS‑BP分布式水文模型参数敏感性分析及率定方法，采用遗传算法来优化BP神经网络的权值和阈值，改善BP神经网络学习算法易陷入局部极小的缺陷；并采用依据自变量耦合变化导致因变量变化率的敏感度定义，有助于识别模型中相对敏感的参数，降低参数维度，减小模型计算成本，为模型参数优化与不确定性分析提供支撑。且本发明克服了人工试错法对水文模型参数率定的主观影响，通过模型批量执行和结果批量提取可将模型运行和拟合优度评价自动化，提高调参效率，并且相对于其它参数率定步骤更为简单快捷，能够更精确、有效、快捷的完成参数率定过程。
主权项：1.一种基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法，其特征在于：包括以下步骤，S1，获取水文模型所需的水文气象数据和地理数据；S2，构建分布式水文模型，并确定水文模型中各参数的取值范围；S3，根据各参数的所述取值范围，采用拉丁超立方参数抽样算法生成若干输入样本；S4，将所述输入样本输入所述分布式水文模型，模拟获得相应的输出结果；S5，计算水文监测站出口处断面流量的实测值与所述输出结果的平均相对误差，将所述平均相对误差作为最终输出结果；S6，构建基于遗传算法优化的BP神经网络模型，使用S3步的输入样本和S5步确定的最终输出结果训练所述模型；S7，随机生成水文模型参数数据集，将一组水文模型参数代入训练后的基于遗传算法优化的BP神经网络模型计算，得到第一模型输出；S8，扰动某个参数后再次代入所述模型，得到第二模型输出；S9，将同一扰动参数的若干个第一模型输出与第二模型输出差的绝对值求和再平均作为所述参数对水文模型的敏感度；S10，重复S7至S9步，确定每个参数对水文模型的敏感度；S11，按照敏感度高低，根据需求选定敏感程度较高的若干个关键参数，进行关键参数率定，确定水文模型最优参数。
全文数据：
权利要求：
百度查询： 黄河勘测规划设计研究院有限公司 基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号