Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种堰塞体溃决峰值流量快速预测方法 

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:西安理工大学

摘要:本发明公开了一种堰塞体溃决峰值流量快速预测方法,具体按照以下步骤实施:步骤1,搜集包含堰塞体冲蚀程度、堰塞体土体粒径参数在内的堰塞体溃决数据样本;步骤2,对步骤1收集的数据样本,按照堰塞体土体粒径参数与冲蚀程度进行分类;步骤3,对步骤1收集的数据样本进行无量纲化处理;步骤4,对步骤3处理的数据进行径向基神经网络模型训练;步骤5,将待预测堰塞体溃决数据样本进行步骤3处理后输入至步骤4得到的模型中,得到堰塞体溃决峰值流量。本发明方法解决现有预测方法未考虑坝体冲蚀程度以及土体粒径对溃决流量的影响,未考虑参数之间的非线性关系,以及预测精度差的问题,能够为堰塞湖溃决抢险、撤离范围划定方案等提供数据支持。

主权项:1.一种堰塞体溃决峰值流量快速预测方法,其特征在于,具体按照以下步骤实施:步骤1,搜集堰塞体溃决数据样本;步骤1中,所述堰塞体溃决数据样本包括堰塞体名称、堰塞体所在地、溃决时间、坝高、坝宽、坝体体积、堰塞湖库容、溃口深度、堰塞体冲蚀程度、堰塞体土体粒径参数、溃决峰值流量;堰塞体土体粒径参数包括d30、d50、d90;步骤2,对步骤1收集的数据样本按照堰塞体冲蚀程度进行分类;步骤3,对步骤1收集的数据样本进行数据无量纲化处理;步骤3的具体过程为:步骤3.1,计算坝体形状系数A1,表达式为: 式1中,Hd表示坝高,m;Vd表示坝体体积,m3;步骤3.2,计算湖面形状系数A2,表达式为: 式2中,S表示堰塞湖库容,m3;步骤3.3,计算坝高溃口深度比A3,表达式为: 式3中,Hw表示溃口深度,m;步骤3.4,计算坝高坝宽比A4,表达式为: 式4中,Bd表示坝宽,m;步骤3.5,计算峰值流量参数A5,表达式为: 式5中,g表示当地重力加速度,Qp为堰塞体溃决峰值流量,m3s;步骤4,对步骤3处理的数据进行径向基神经网络模型训练;步骤4的具体过程为:步骤4.1,将步骤2分类的数据样本划分训练集、检验集和测试集;步骤4.2,将每一类数据中的训练集样本分别输入经典三层神经网络模型进行训练,得到三类训练好的模型,其中堰塞体土体粒径d30、堰塞体土体粒径d50、堰塞体土体粒径d90参数、坝体形状系数、湖面形状系数、坝高溃口深度比、坝高坝宽比作为无量纲变量放入经典三层神经网络模型的输入层,峰值流量参数作为经典三层神经网络模型的输出层,连接输出层与隐藏层的径向基函数采用经典高斯函数;步骤4.3,将每一类数据中的检验集样本输入步骤4.2对应的训练的网络模型,得到验证数据,使用均方根误差检验法进行验证,均方根误差表达式为: 式7中,RMSE表示均方根误差,n表示检验集样本总数,Qi表示第i个样本对应的峰值流量参数,表示第i个样本所对应的验证峰值流量参数;设定参考值如则结束步骤4.2网络模型的训练,得到训练好的网络模型;若则返回步骤4.2,重新选取训练次数、扩展常数、隐藏层单元个数进行重新训练;步骤4.4,将每一类数据中的测试集样本输入对应的经步骤4.3得到的训练好的网络模型进行测试,使用计算效率系数E对训练好的网络模型精度进行评价,效率系数E的表达式为: 式8中,表示所有样本的峰值流量参数的均值;步骤5,将待预测堰塞体溃决数据样本进行步骤3处理后输入至步骤4得到的模型中,得到堰塞体溃决峰值流量。

全文数据:

权利要求:

百度查询: 西安理工大学 一种堰塞体溃决峰值流量快速预测方法

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。