《表4 管道泥沙淤积参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《排水管道泥沙淤积深度估算方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。