基于BP神经网络的渠道无干扰量水方法

灌区量水是节约农业用水、灌区实行按方收费的重要手段。BP神经网络具有很强的非线性映射能力,可描述通过水工建筑的流量与上下游水位之间的函数关系。以渠道进水口上下游水位作为输入向量,以渠道流量作为输出向量,构建了3层神经网络模型。以江苏高邮灌区2012年一条斗渠的水位流量观测数据,应用Matlab神经网络工具箱构建模型,采用trainlm算法进行网络训练与检验。结果表明:模型能较好地反映影响因素与渠道流量之间的关系,计算精度较高,提出的基于BP神经网络的渠道无干扰量水方法简便可行,具有较广的应用前景。

基于水位与符号回归的灌区无干扰量水技术研究

为克服传统量水方法水头损失大、技术复杂、经济成本高等问题,提出了一种基于水位和符号回归的灌区无干扰量水方法,并依据高邮灌区典型斗渠2012~2013年实测水位流量数据,对方法应用效果进行了评估。结果表明:符号回归优选出来的5组模型均能较好地估算渠道流量,模拟值与实测值均方根误差RMSE和平均绝对误差MAE分别为71.81~73.43,52.15~56.38m^3/h,调整决定系数超过0.8,说明模型能够较好地反映渠道水位流量关系,模拟精度较高。该方法精度可靠、应用简便、经济可行,在灌区量水方面具有较广的应用前景。