基于BP神经网络的增强型地热系统产热性能:以伊通盆地花岗岩体热储层为例

探究增强型地热系统(enhanced geothermal systems,EGS)工程采热性能,对提高系统产热效率、延长储层寿命是至关重要的。以伊通盆地北部昌27井实际地质构造、岩性、地热特征及热物性测试为基础,以地下4054~4168 m花岗岩为热储层建立三水平井水热耦合数值模型,并在此水平井模型基础上建立BP神经网络热储产热能力预测模型,研究了不同影响因素对系统换热过程的影响。结果表明:BP神经网络预测生产温度、焓值差和压力差与水平井数值模型的相对误差基本不超过±1.0%、±2.0%和±3.0%,预测准确性较高。水平井地热开采中,对系统生产温度造成影响较大的因素是井间距和注入速度,对系统发电效率造成影响较大的因素是注入速度和裂隙渗透率。综合考虑各影响因素交互作用,采用三水平井开采地热能可选择开采方案井间距600 m,注入温度60℃,注入速度23 kg/s,裂隙渗透率1×10^(-10 )m^(2)。在该工况下系统的经济寿命可达32年,累积发电量为605.9 GW·h,比基础模型提高7.4%。

BP神经网络在供水管网余氯变化中的研究

以机器学习为手段,用基础数据建立非机理性的BP神经网络模型。经实例验证,BP神经网络余氯水质模型能较好的模拟供水管网中余氯的变化,特别是对于南部供水管网,模型的检验阶段相关系数达到0.92,平均相对误差为17.20%,均方根误差约是0.13。以期为高品质供水的管网安全输送与水质保障研究提供方法借鉴和参考。

神经网络BP模型的设计与实现

应用人工神经网络中的BP前馈网络模型和改进的BP算法 ,对棉铃虫发生程度进行预测 ,结果表明 :该算法可靠 ,验证符合率达百分之百 。

基于RBP神经网络模型的城市需水量方法研究

城市需水量预测是水资源可持续发展的研究基础。需水量预测考虑的影响因素较复杂,增加了需水量预测难度。通过建立RBP神经网络模型,以河北省A城市为例,进行城市需水量拟合与预测,与传统BP神经网络模型和灰色系统模型计算结果进行对比分析,结果表明RBP神经网络模型拟合的相对误差为2.65%,模型预测结果的相对误差为3.92%,计算结果精度高于另外两种方法,对今后城市需水量预测方法研究提供了一种有效方法的借鉴。

内蒙古河套灌区节水灌溉工程实施后地下水变化的BP模型预测

根据黄河河套灌区多年的水文、气象和地下水资料 ,应用不同的 A NN— BP网络模型对灌区年、月地下水埋深的变化进行了模拟 ,预测了黄河河套灌区节水工程实施后未来灌区年平均地下水位下降的情况 ,从预测结果可以看出 ,河套灌区节水工程实施后灌区平均地下水位预计下降 0 .5 m左右。此外对 BP模型的结构设计中隐含层数、隐含单元数和学习速率的合理确定作了具体分析 ,提出了学习速率取值范围 lr =0 .0 1～ 0 .1,为河套灌区节水工程改造规划、设计和管理决策及 BP模型的应用提供了参考依据。

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法。笔者将BP网络模型引入到大气污染预报领域 ,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型。计算结果表明 ,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力 。

基于BP网络的水资源预测方法的研究

对水资源预测的各种方法进行了分析,在本领域内推出一种新的预测方法——人工神经网络,可依据源数据,通过BP算法,自动形成水资源预测模型,从而推算出水资源变化趋势.人工神经网络有较强的学习功能,事先不需建立模型,而是根据预测的精度通过初始数据进行计算.从本文所得结果可以看出,人工神经网络是建立水资源预测模型的一种有效的方法.

基于BP神经网络的孔隙充水矿井涌水量预测

文章分析了孔隙充水矿井的充水水源和通道,利用非线性的BP人工神经网络建立了徐州韩桥煤矿涌水量短期预测模型,选取每天的降水量作为影响因子,用已有的涌水量资料训练得到权值和阈值来表示充水通道,并对-200m水平、-270m水平、-330m水平和全矿井涌水量进行了预测。结果显示,涌水量的预测值与实测值吻合得较好,说明该模型具有一定实用性。

一种改进的BP算法及在降水预报中的应用

传统BP(back propagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003—2005年5—9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24 h降水(08:00—08:00,北京时)3个等级(降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm)的预报模型。通过对2006—2007年5—9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。

BP神经网络法在大气污染预报中的应用研究

近年来将BP网络模型应用到大气污染浓度预报中 ,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证 ,结果表明 :TSP的计算值与观测值之间的绝对误差为 4× 1 0 - 3～ 3× 1 0 - 2 mg·m- 3,NOX 的计算值与观测值之间的绝对误差为 5× 1 0 - 3～ 2× 1 0 - 2 mg·m- 3;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法 ,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。

深圳市供水量BP神经网络预测

城市供水量受多种因素的共同影响。以深圳市最近20多年的供水量历史数据为基础,建立了一种基于时间序列的供水量BP神经网络预测模型。该模型的平均相对误差为4.96％。根据建立的深圳市供水量BP神经网络模型的预测结果,未来深圳市近期(2005年)的年供水量将达到52 630万m3,远期(2010年)的年供水量将达到56 142万m3。

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合精度和预测精度。

基于误差修正的BP神经网络模型在河道洪水预报中的应用

针对经典BP神经网络模型,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值,据此提出了一种计算输入输出向量的归一化公式,并建立了具有洪峰识别的洪水预报BP网络预报模型。采用新模型对宜昌水文站典型年实测流量过程进行了预测检验,其结果与实测值较吻合,对流量过程及洪峰流量过程的预报精度较经典BP模型高。

基于BP算法的泥沙含量预测研究

长江口北槽是长江的主航道,泥沙的淤积对航运和河道治理有着极为重要的影响。根据ADCP资料,应用BP算法对长江口的泥沙含量进行了研究,建立了泥沙含量预测模型并根据实测资料进行了验证,实现了根据ADCP资料推求泥沙含量,其结果满足精度要求。

基于BP神经网络的降雨充水矿井涌水量预测

长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年+141水平和+20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。

BP网络的城市时用水量预测组合模型

为建立起城市用水量与其影响因素间的预测模型,以预测的城市用水量趋于合理,针对城市时用水量的特点及影响因素,在考虑充分利用各因素历史观测数据的基础上,利用BP神经网络建立了城市时用水量的时间序列预测与解释性预测组合模型,并对南京市的时用水量进行了预测.预测结果与实际情况具有很好的一致性,预测误差小,能满足供水系统调度的实际需要.可见,本预测组合模型是合理的,为城市时用水量预测提供了一种可行方法.

基于BP算法的泥沙含量预测研究

长江口北槽是长江的主航道,泥沙的淤积对航运和河道治理有着极为重要的影响。根据ADCP资料,应用BP算法对长江口的泥沙含量进行了研究,建立了泥沙含量预测模型并根据实测资料进行了验证,实现了根据ADCP资料推求泥沙含量,其结果满足精度要求。

基于BP神经网络的高含水岩石爆破震动参数预报

运用现场试验震动监测得出水介质对高含水岩石爆破地震波传播规律的影响,再结合BP神经网络理论,将水介质纳入网络模型,建立爆破震动参数预报的BP神经网络模型。采用高含水岩石爆破现场监测数据对网络模型进行训练。把训练达到最优后的预报结果与实测结果作对比,发现BP神经网络模型预报参数与实测值较为接近。

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测。此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据。