《表4 管道泥沙淤积参数》
为进行管道泥沙淤积深度估算,构建ANN3和ANN4用于第二步参数率定。通过对场次1和场次2两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17。同时,分别随机生成150个样本,采用SPSS对ANN3和ANN4的拟合性能进行相关性分析,预测值与期望值之间的相关系数见表4。可知,G1、G2、G3、G8、G25、G27、G28、G29、G35、G36等10根管段的预测值与期望值不具有显著相关性,其余18根管段的预测值与期望值具有不同显著性水平的相关性。分析管道拓扑结构可知,G1、G2、G3、G25、G27、G28、G29这7根管段位于所在道路排水系统的起点,且其下游有较大的支管汇入,监测点的水深变化受这几段管道水深的影响较少,所以敏感性不高。G8、G35、G36这3根管段位于两个水深监测点J40、J74之间,且距离两个监测点的距离都较远,由于未进行管网概化,监测点之间管段数量较多,且本研究中整个管线的淤积系数较小,造成监测点水深对中间管段淤积深度敏感性不高。如果经费及现场条件允许,增加管道监测点,可提高各管段预测值与期望值之间的显著性。虽然ANN3和ANN4对部分管道淤积深度的预测效果不佳,但并不影响其他管段对此方法的验证。分别保存两种情景下的神经网络模型,并调用sim函数预测28个管道的泥沙淤积系数。
图表编号 | XD00132175400 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) |