典型文献
BP神经网络在浅水湖泊风浪波高预测中的应用
文献摘要：
风浪是影响浅水湖泊水环境与水生态的重要动力因子,波高是量化风浪强度的重要指标,准确预测风浪波高对浅水湖泊治理具有重要意义.基于太湖实测数据,建立了考虑风速、吹程、水深、风历时等因素影响的波高BP神经网络模型,分析了不同因素对模型预测能力的影响.结果表明,SMB方法在预测浅水湖泊风浪波高时适配性受限,吹程和风速较小时会高估风浪实际波高.BP神经网络模型在考虑风速、吹程与水深影响后,预测与实测波高相关系数可达0.86,当进一步考虑风历时影响后,相关系数最高为0.90.吹程与波高的相关性大于水深与波高的相关性,风浪对气流的最佳迟滞时间为20～30 min.研究论证了 BP神经网络在浅水湖泊风浪波高预测方面的适用性.
文献关键词：
浅水湖泊;风浪;神经网络;波高预测;迟滞效应
中图分类号：
作者姓名：
高昂;吴时强;吴修锋;戴江玉;王芳芳;张维乐;徐佳怡
作者机构：
南京水利科学研究院水文水资源与水利工程科学国家重点实验室,江苏南京210029;水利部太湖流域水治理重点实验室,江苏南京210029
文献出处：
引用格式：
[1]高昂;吴时强;吴修锋;戴江玉;王芳芳;张维乐;徐佳怡-.BP神经网络在浅水湖泊风浪波高预测中的应用)[J].水电能源科学,2022(08):41-44,168
A类：
B类：
浅水湖泊,风浪,波高预测,水生态,动力因子,准确预测,测风,湖泊治理,太湖,水深,不同因素,预测能力,SMB,适配性,高估,迟滞时间,迟滞效应
AB值：
0.222836
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
