论文基于广义回归神经网络闸坝下局部冲刷深度预测模型是关于本文可作为神经网络方面的大学硕士与本科毕业论文深度神经网络算法论文开题报告范文和职称论文论文写作参考文献下载。
摘 要：为了更加精确的分析闸坝下局部冲刷深度的问题,本文建立了基于广义回归（GRNN）神经网络的闸坝下局部冲刷深度预测模型,并利用前人的数据在MATLAB软件里进行了训练,结果表明：该模型能较为准确预测出闸坝下局部冲刷深度,且运算速度快,对工程设计有较高的推广和运用价值.
关键词：闸坝；局部冲刷；GRNN神经网络；预测模型
目前,修建的闸坝都具有一定的落差,导致下泻水流的流速很大,并且携带着较大的能量,如果这些能量得不到消散,就会对河床以及河岸造成冲刷,形成冲刷坑,从而影响闸坝的稳定和安全的运行.闸坝下冲刷深度的预测是一个很重要的课题,到目前为止,预测闸坝下冲刷深度的方法包括现场观测、模型试验、经验公式和数值模拟,其中以经验公式应用最为广泛,计算闸坝下局部冲刷深度的公式已多达数十个[1].但是由于各公式选取的理论基础不一样,导致公式的形式和适用范围也相差较大.
神经网络具有自学习、联想存储、高速寻求最优解等特点,并且还有极强的非线性映射能力[2],使用其來预测闸坝下局部冲刷深度是一个不错的方法.本文在前人的研究基础上,建立了基于广义回归（GRNN）神经网络的闸坝下局部冲刷深度预测模型,通过训练,该模型具有较高的精度.
1 广义回归（GRNN）神经网络模型
1.1 模型的结构
广义回归神经网络是建立在数理统计基础上的径向基函数网络,其理论基础是非线性回归分析.该神经网络由输入层、隐含层和输出层组成[3].输入层只起传输数据的作用；隐含层中神经元个数等于样本个数,该层的权值函数为欧式距离函数,传递函数为径向基函数；输出层为线性输出层,具体的网络结构如图1所示.
1.2 模型的算法
GRNN神经网络的理论基础是非线性回归分析.设随机变量 和 的联合概率密度函数为 ,已知 的观测值为 ,则 相对于 的回归,即条件均值为[4]：
2 模型的建立
根据前人的研究和分析,本文选取泥沙的平均粒径、单宽下泻流量、坝下稳定水深、上下游水位差、冲刷坑水深为输入层因子,闸坝下局部冲刷坑深度为输出层因子.
通过查阅文献,整理出40组关于闸坝下局部冲刷的数据[5][6],其中25组数据用于构建模型,15组数据用于测试模型的预测能力,数据各个参数的取值范围如表1.
3 计算结果及分析
本文通过计算实测值和预测值的相关系数和平均相对误差来表征预测结果精度.
其中平均相对误差预测公式[7]：
从图2可以知道,测试样本的对比值都落在45°线附近,且大部分不超过±15%误差线,模型预测结果的平均相对误差 ,实测值和预测值之间的相关系数 ,说明该模型比较精确.
4结论
本文选取前人做过的实验数据来构建模型和训练模型,增加了结果的可靠性.
本文通过实测数据和预测数据的相关系数以及平均相对误差来判断预测结果的精度,验证了模型的准确性.
从结果来看,该模型能较为准确的预测出闸坝下局部冲刷深度,且运算速度快,相较于经验公式更加实用,对工程设计有较高的推广和运用价值.
参考文献
[1]郭毅. 山区河流中低水头坝下局部冲刷深度公式及应用[D]. 重庆交通大学, 2016.
[2]马锐. 人工神经网络原理[M]. 机械工业出版社, 2014.
[3]王小川. MATLAB神经网络43个案例分析[M]. 北京航空航天大学出版社, 2013.
[4]梁凤国, 李帅莹, 于淼,等. 基于GRNN神经网络的参考作物腾发量预测[J]. 人民长江, 2009, 40（5）：58-59.
[5]刘向宇, 张根广, 徐龙飞. 当卡水电站泄水闸下游主河道局部冲刷坑深度计算方法[J]. 水电能源科学, 2014（4）：92-95.
[6]高翔, 张根广, 孟仑. 闸坝式水电站下游局部冲刷坑的计算方法[J]. 水电能源科学, 2015（3）.
[7]霍俊波, 拾兵, 刘文沛,等. 基于RBF神经网络的桥墩局部冲刷深度预测模型[J]. 中国水运月刊, 2017, 17（7）：101-103.
总结:这篇神经网络论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 神经网络深度学习算法在地理国情监测中的应用 摘要：开展常态化地理国情监测是广东省基础测绘“十三五”规划重要内容，本文综合利用多时相影像、专题资料及已有矢量成果数据，研究基于神经网络深度学习。
2、 基于RBF神经网络建立库存烟叶香型预测模型 摘 要：为建立库存烟叶香型预测模型，采用RBF神经网络方法，对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模。结果表明，不同香。
3、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
4、 基于神经网络沉管管节水阻力系数预报 摘 要：针对沉管隧道水阻力系数取值区间变化范围较大的难题，采用径向基神经网络对模型试验中沉管管节的水阻力系数进行学习。根据训练好的网络参数，对不。
5、 一种改进型DRNN神经网络自学习PID控制 摘 要： 本文针对多变量耦合系统，采用DRNN神经网络对PID控制器参数进行自学习，提出了将学习因子在学习过程中进行动态调整，与传统DRNN神经。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。