一种基于BP神经网络的水体溶解氧饱和度预测方法

摘要

本发明涉及高坝下游水体溶解氧饱和度预测方法，是一种基于BP神经网络的水体溶解氧饱和度预测方法，建立三层BP神经网络模型对高坝下游定点区域溶解氧饱和度进行预测，主要步骤：㈠确定高坝下游溶解氧饱和度主要影响因素，以此为BP模型输入变量；㈡样本数据采集：利用高坝下游定点区域监测数据作为学样本；㈢BP网络训练：将步骤㈡中的样本数据输入三层BP网络进行训练，并将网络输出值与实际监测值比较，直到网络训练的均方差达到要求，确定网络的权值和阈值；㈣利用通过测试的BP神经网络进行下游定点区域溶解氧饱和度预测。本发明将神经网络技术应用于高坝下游定点区域水体溶解氧饱和度预测中，解决了高坝下游定点区域溶解氧快速预测的问题。

主权项

一种基于BP神经网络的水体溶解氧饱和度预测方法，其特征在于：选用三层BP神经网络模型为原型，建立一个三层BP神经网络模型对高坝下游定点区域溶解氧饱和度进行预测，主要步骤为：㈠确定高坝下游定点区域溶解氧饱和度的主要影响因素：通过资料收集及调查研究得出高坝下游近坝区定点区域溶解氧饱和度的影响因子主要为：坝前水体溶解氧饱和度、单宽流量、大坝泄流方式、水垫塘下游尾水渠水深、水电站泄水量、坝下游水体的紊动强度、大气压和水温，将以上影响因子作为BP神经网络模型的输入变量；㈡样本数据采集：根据步骤㈠得出的高坝下游溶解氧饱和度主要影响因素，针对特定大坝工程进行相关影响因素实测资料的收集，以此作为BP神经网络模型的学习样本；㈢BP网络训练：将步骤㈡中的样本数据输入三层BP 网络进行训练，并将网络输出的溶解氧饱和度与对应区域的实际监测值进行比较，直到网络训练的均方差达到要求，确定BP网络的权值和阈值；㈣向通过测试的BP神经网络输入不同高坝泄流工况下的各影响因子相关参数，预测对应工况下下游近坝区定点区域溶解氧饱和度。