一种快速预测坝下游河道对水库出库水量和沙量变化响应的方法与流程

技术特征：
1.一种快速预测坝下游河道对水库出库水量和沙量变化响应的方法，其特征在于：包括以下步骤：步骤一：确定研究河段，采集和整理样本数据：确定研究河段上边界和下边界；所述样本数据包括研究河段建库后坝下游沿程m个水文站的n年内实测日均流量和含沙量，m≥2，n≥5；步骤二：构建神经网络bp模型：基于人工神经网络技术，利用tensorflow系统，以研究河段上边界水文站的日均流量和含沙量作为输入数据，以河段下边界水文站的日均流量和含沙量作为输出数据，对m-1个河段分别构建神经网络bp模型；步骤三：模型训练：针对每一个河段，将样本数据导入tensorflow系统中，利用样本数据的70％开始训练步骤二构建的神经网络bp模型；训练过程中，设置使用多层前馈式反向传播神经网络的结构和训练参数；训练过程中界面提供损失函数衰减图；步骤四：模型验证：利用余下30％的样本数据，在步骤三训练好的神经网络bp模型中输入上边界的日均流量和含沙量数据，输出下边界的日均流量和含沙量数据，将得到的计算结果与实测数据进行对比；如若日均流量和含沙量计算值与实测值的误差在可接受范围内，说明模型能够合理反映水库运行后坝下游沿程相邻断面间的输水输沙关系，如若不满足要求，返回第三步重新训练模型；步骤五，计算水库出库沙量和水量变化引起的下游水文站输沙量变化：m-1个构建神经网络bp模型训练和验证完毕后，基于所述神经网络bp模型计算水库出库沙量变化ds0后下游沿程各个水文站的输沙量变化ds
i
；基于所述神经网络模型计算水库出库水量变化dq0后下游沿程各个水文站的输沙量变化ds
i
；基于所述神经网络bp模型计算水库出库水量变化dq0后下游沿程各个水文站的输水量变化dq
i
；步骤六，基于步骤五的计算结果进一步计算当前断面输沙量与上游断面来水量和来沙量之间偏导关系：其中前断面输沙量与上游断面来沙量之间偏导关系通过ds
i
/ds
i-1
来计算；当前断面输沙量与上游断面来水量之间偏导关系通过ds
i
/dq
i-1
来计算；步骤七：通过步骤六的计算结果来判断当前断面输沙量变化对上游断面来沙量及来水量变化的响应大小。2.根据权利要求1所述的快速预测坝下游河道对水库出库水量和沙量变化响应的方法，其特征在于：步骤三中损失函数的表达式如式(3)所示：其中，式中：e为损失函数，n为样本个数；i表示节点编号；x
i
为第i个输出节点训练样本的网络计算值；y
i
为第i个输出节点训练样本的网络期望值；t时刻x
i
的计算表达式如式(5)所示：式中：为t时刻i节点的流量，为t时刻i节点的含沙量，为t时刻i-1节点的流量，
为t时刻i-1节点的含沙量，函数关系f由模型中的权值w决定，权值w开始是自动生成的，后续在数据训练中根据损失函数e的变化进行不断调整。3.根据权利要求1所述的快速预测坝下游河道对水库出库水量和沙量变化响应的方法，其特征在于：步骤四中：日均流量与实测值的误差的可接受范围为：计算误差≤0.01；含沙量与实测值的误差的可接受范围为：计算误差≤0.05。

技术总结
本发明公开了一种快速预测坝下游河道对水库出库水量和沙量变化响应的方法，包括以下步骤：确定研究河段，采集样本数据；构建神经网络模型；模型训练；模型验证；计算水库出库沙量和水量变化引起的下游水文站输沙量和水量变化；进一步计算当前断面输沙量与上游断面来水量和来沙量之间偏导关系；并通过计算结果来判断当前断面输沙量对上游断面来沙量及来水量变化的响应。本发明基于人工神经网络构建的模型可避免求解水沙数学模型中的偏导函数关系，通过大数据分析直接确定偏导关系得到模型需要的参数；计算量减少，计算效率高。计算效率高。计算效率高。


技术研发人员：张磊 黄海 王大宇 关见朝 胡智丹 鲁文 陈伟 刘彧 尹雄锐 王友胜 冯珺 赵莹
受保护的技术使用者：中国水利水电科学研究院
技术研发日：2022.08.17
技术公布日：2022/11/29