基于機器學習的河網(wǎng)糙率反演.pdf

1、水力計算技術(shù)上世紀70年代以來已經(jīng)發(fā)展成熟，但在工程實際中，應(yīng)用難點往往是計算中需要的一些參數(shù)，如糙率，無法自動確定，糙率的自動反演技術(shù)亟待發(fā)展。現(xiàn)有的研究多基于優(yōu)化的思路來反演糙率，且普遍存在三個問題：優(yōu)化反演方法過于依賴初值的選擇，容易陷入局部最優(yōu)；反演的結(jié)果本身不含對解的評價，對反演參數(shù)最優(yōu)解的全局分布概率無法獲知；沒有對測站的最優(yōu)布局進行研究，因而不能對實際河網(wǎng)的水文站優(yōu)化設(shè)置提出合理化建議。 本文對從糙率反演計算到反演

2、解檢驗的整個流程進行了研究，形成了基于機器學習的河網(wǎng)糙率反演較完整框架。本文完成的主要工作如下： 1、基于機器學習的思想，通過數(shù)據(jù)挖掘的手段，提出了一種新的河網(wǎng)糙率直接反演方法。這種方法繼承了傳統(tǒng)直接反演方法的理念，引進了人工智能技術(shù)豹新進展，用神經(jīng)網(wǎng)絡(luò)的黑箱代替了復(fù)雜豹系統(tǒng)逆解析，可以一次性反演整個河網(wǎng)所有河段的糙率。經(jīng)過多個算例的計算，證明了這種方法具有較高的計算精度，能夠滿足工程實際需要。 2、提出了一種新的利用河

3、網(wǎng)中少數(shù)觀測站的對序列觀測值反演所有河道糙率的數(shù)據(jù)采集技術(shù)和反演技術(shù)。計算表明只要充分利用對河道糙率的先驗信息，可以用少量觀測點的時序列觀測值反演整個河網(wǎng)所有河段的糙率。同時對河網(wǎng)中觀測點的合理數(shù)量和布設(shè)位置進行了研究，為河網(wǎng)工程水文測站的布局優(yōu)化提供了科學依據(jù)。 3、引進一種GA－RBF方法進行糙率反演。與傳統(tǒng)的BP方法相比，具有更快的計算速度和相當?shù)挠嬎憔龋慌c經(jīng)典RBF網(wǎng)絡(luò)相比，這種方法能結(jié)合輸入輸出信息自動確定網(wǎng)絡(luò)的合理

4、拓撲結(jié)構(gòu)，進行聚類計算。在基于空間序列觀測值的糙率反演中，有很好的計算性能。 4、考慮到反問題求解所固有的不適定性，引進了Bayesian方法進行糙率反演，這種方法可以作為反演結(jié)果的有效檢驗手段。該方法不是得到確定的反演值，而是得到待反演參數(shù)的后驗概率密度函數(shù)。通過對糙率后驗分布的分析，能直觀的得到反演問題多解性和解的最優(yōu)性判斷，實現(xiàn)了對反演結(jié)果的唯一性和最優(yōu)性檢驗，從而構(gòu)建起完整的河網(wǎng)糙率反演問題的解決框架。 5、Bayesi