简介:Burn-in算法和AGREE算法是目前应用广泛的基于实际河网高程强迫修正的河网提取算法.该算法能有效提取出同真实河网高拟合度的模拟河网,但某些情况下,所提取的河网会产生“断裂”现象.河网“断裂”现象的产生在于实际河网栅格高程“高估”和“低估”所引起的局部流向计算错误,其中所有“低估”类以及大部分“高估”类影响都是可以通过填洼等方法加以消除的,即不会产生“断裂”问题.真正产生“断裂”的原因是:存在“高估”类河网栅格且“高估”所带来的影响无法通过填洼等操作加以消除.基于此,对Burn-in算法和AGREE算法进行修正,提出一种消除“高估”类影响的解决方案,从根本上解决河网“断裂”问题,实现程序自动化处理.渭河流域实例应用表明,改进算法可有效解决模拟河网“断裂”问题,且适用于多种基于高程的强迫修正算法.
简介:本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000~2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.
简介:在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.