文献

J-GLOBAL ID：201802237132891926   整理番号：18A1165417

BPニューラルネットワークに基づく調水工程調整水位予測モデル【JST・京大機械翻訳】

Prediction model for water level regulation in water diversion project based on BP neural network

著者 (4件)： Gao Xueping (天津大学 水利工程倣真与安全国家重点実験室,天津,300350) ,  Yan Chendan (天津大学 水利工程倣真与安全国家重点実験室,天津,300350) ,  Zhang Yan (天津大学 水利工程倣真与安全国家重点実験室,天津,300350) ,  Sun Bowen (天津大学 水利工程倣真与安全国家重点実験室,天津,300350)
資料名： Nanshuibeidiao Yushuili Keji  (Nanshuibeidiao Yushuili Keji)
巻： 16  号： 1  ページ： 8-13  発行年： 2018年 
JST資料番号： C2964A  ISSN： 1672-1683  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 調水工程において、ポンプステーションの前水位が低すぎると、ポンプ場の安全を脅かし、水位が高すぎると、周辺の安全を脅かすため、調水工事における河水路湖の水位変化の探索は特に重要である。南水北調東線山東段南四湖を研究区域とし、異なる水位、出入流量、ポンプ場の開き時間差の調水方案の下のポンプ前水位の変化規則を求めた。結合モデルを用いて,異なる調水スキームの数値シミュレーションを行い,次に,23組の調水スキームとその数値シミュレーションから得たポンプの前水位をサンプルとしてBPニューラルネットワークを訓練した。結果により,BPニューラルネットワーク予測モデルは,強い予測能力を持ち,そして,予測結果は,結合モデルの結果と一致し,そして,水深の相対誤差は,9.15%未満であった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 水深 ,  *予測モデル ,  山岳 ,  水位変動 ,  シミュレーション ,  河川水 ,  安全性 ,  *水位 ,  結合モデル ,  *予測 ,  流量
準シソーラス用語： 相対誤差 ,  数値シミュレーション ,  時間差 ,  湖 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： water diversion plan ,  the water level before the pump ,  coupled model ,  BP neural network ,  prediction model

分類 (1件)： 洪水対策  (RC12040I)

タイトルに関連する用語 (4件)： BPニューラルネットワーク ,  水 ,  水位 ,  予測モデル