人工明渠突发水质污染预测模型研究

人工明渠突发水污染事故会给下游供水安全带来严峻挑战。文章以南水北调中线干渠某典型渠道为研究对象,进行水质污染试验,建立一维非恒定流和水质数值模型,对污染物浓度变化过程进行试验监测和模型预测。结果表明,预测值与实测值吻合较好,相对误差在10%以内。建立的模型可准确模拟污染物扩散过程,为应急处置提供依据。

基于BP神经网络的人工加糙明渠糙率预测模型

糙率是明渠水力计算的各项影响因素中最重要的参数。运用BP神经网络的方法,结合其在结构上的稳定性及在处理非线性数据上的优势,以矩形人工加糙明渠为研究对象,建立预测模型研究其各水力要素与糙率间的复杂非线性关系。根据前期的试验研究成果,选择绝对粗糙度Δ、底坡i、弗劳德数Fr、流量Q作为主要影响因素对糙率进行神经网络建模及预测,并将预测结果与径向基(RBF)神经网络及偏最小二乘及最小二乘支持向量机(PLS-LSSVM)进行对比。研究结果表明,基于L-M算法的BP神经网络糙率预测模型的平均绝对百分比误差为0.51%,均方根误差为8.15×10-5,精度优于其他预测模型,说明BP神经网络可有效预测矩形人工加糙明渠的糙率。