位置:成果数据库 > 期刊 > 期刊详情页
喀斯特流域降雨-径流人工神经网络模型结构分析及模拟
  • ISSN号:1001-4810
  • 期刊名称:中国岩溶
  • 时间:2009
  • 页码:375-379
  • 分类:P333[天文地球—水文科学;水利工程—水文学及水资源;天文地球—地球物理学]
  • 作者机构:[1]河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098
  • 相关基金:基金项目:国家重点基础研究(973)资助项目(2006CB403200)、国家自然科技基金重点项目(40930635)
  • 相关项目:西南喀斯特流域水文变异性及生态水文过程耦合模拟研究
中文摘要:

喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数(N SC)达0.9以上,验证期N SC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。

英文摘要:

Rainfall-runoff response in karst basin is a non-linear process.Determination of the major factors influencing underground river flow by proper nonlinear analysis method is very important for simulating karst hydrological processes.In this study,the observed rainfall and flow discharge data in the Houzhai catchement of Puding County was used.The BP model structure of two hidden layers and three inputs in the study catchment was determined by the neural network weight analysis.This structure is able to keep stability of the rainfall-runoff simulation.Cross training and validation results of the BP model show that efficient coefficient(NSC) is over 0.9 during the training period,and NSC is over 0.88 during the validation period.Therefore,the neural network weight analysis can be used to determine the relationship between forecast object and its influencing factors.The artificial neural network model offers an efficient way for rainfall-runoff simulation in karst basin.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中国岩溶》
  • 中国科技核心期刊
  • 主管单位:中国地质科学院
  • 主办单位:中国地质科学院岩溶地质研究所
  • 主编:蒋忠诚
  • 地址:广西桂林市七星路50号《中国岩溶》编辑部
  • 邮编:541004
  • 邮箱:carso@tom.com
  • 电话:0773-5812949
  • 国际标准刊号:ISSN:1001-4810
  • 国内统一刊号:ISSN:45-1157/P
  • 邮发代号:48-19
  • 获奖情况:
  • 中国期刊方阵"双效"期刊,广西优秀期刊,广西优秀自然科学期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),波兰哥白尼索引,美国地质文献预评数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2014版)
  • 被引量:6943