《表3 10个参数的预测结果》
参数率定分两步进行,因采用两场降雨数据进行参数率定的校核,首先构建两个结构相似的神经网络模型ANN1和ANN2用于第一步参数率定。通过对两种降雨情景下不同隐含层节点的神经网络进行多次测试,确定隐含层节点数均为16。同时,分别随机生成150个样本,采用SPSS对ANN1和ANN2的拟合性能进行相关性分析[8],预测值与期望值之间的相关系数见表3。两个结果同时表明,除参数N-perv、Decay以外,其余8个参数的预测值与期望值之间呈极显著正相关(P<0.01),相关文献研究表明N-perv、Decay两个参数敏感性较小[6]。因此,ANN1和ANN2具备较好的预测性能,可用于本研究中的参数率定。分别保存两种情景下的神经网络模型并调用sim函数预测表1中的10个参数,预测结果见表3。
图表编号 | XD00132175700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 吴慧英、江凯兵、李天兵、邹新军、钟英强 |
绘制单位 | 湖南大学土木工程学院建筑安全与节能教育部重点实验室、湖南大学土木工程学院建筑安全与节能教育部重点实验室、广州中工水务信息科技有限公司、湖南大学土木工程学院建筑安全与节能教育部重点实验室、中国地质大学地理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |