人工神经网络在泥沙运动中的应用与研究

论文摘要

近些年来，随着经济的发展和对大自然无休止的掠夺，我国大江大河流域内水土流失严重，造成大量的泥沙输入河道，加剧了江河整治的复杂性并带来严重的灾害。为了真正落实科学发展观与建设和谐社会，对于泥沙深入的研究迫在眉睫。虽然泥沙运动力学已形成了一些比较成熟的理论，但是至今仍有许多问题尚未得到解决。本文首先对泥沙的起动和推移质研究成果做简要的回顾性总结，并在此基础上详细阐述了泥沙起动问题和推移质问题联系的纽带——推移质最大起动粒径研究的意义以及就目前研究水平所面临的问题；与此同时，人工神经网络理论则模仿人脑的思维，做出判断和预测，它可以借助有限的实测资料获取经验，揭示输入资料潜在的效应和变化趋势，无需用户建立函数关系，对复杂的非线性系统尤为有效。其次，选择目前采用最为广泛的BP神经网络模型、通过VC#．NET开发平台和SQL2000数据库并结合平衡输沙状态下的水槽输沙试验数据，开发出界面友好、基于BP及其改进算法的多输入单输出三层神经网络预测软件。针对BP网络算法所固有的缺点，提出并实现的两种改进算法分别为自适应调整学习率算法和模拟退火算法。再次，利用作者开发的带有自主知识产权的预测软件和Matlab神经网络工具箱，对实验数据做计算、预测和分析；与此同时，针对BP算法的转换函数中参数t对网络模型输出精度和稳定性的影响展开探索性的研究，并在大量实验数据的基础上提出了参数t的取值公式与适用范围。最后，通过对基于经典BP网络算法、自适应调整学习率改进算法、模拟退火改进算法预测结果与Matlab神经网络工具箱预测结果之间科学详尽的横向与纵向的数据比较与稳定性分析得出本文的结论。本文的结论为：对于平衡状态下的宽级配非均匀沙水槽输沙试验中最大起动粒径的推求，利用VC#．NET开发出界面友好、基于BP及其改进算法的多输入单输出三层神经网络预测软件，其计算精度满足工程要求，特别对模拟退火改进算法，其计算精度比成熟的Matlab工具箱神经网络工具箱计算精度还要高，显示出光明的应用前景与商业价值，对于泥沙起动和推移质的研究有一定的辅助作用和参考价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题的意义
• 1.2 泥沙动力学研究简介
• 1.2.1 泥沙动力学研究概述
• 1.2.2 泥沙研究中存在的主要问题
• 1.3 人工神经网络概述
• 1.4 本文的研究内容
• 2 泥沙起动与推移质的研究与探讨
• 2.1 泥沙起动问题研究
• 2.1.1 泥沙起动现象的描述
• 2.1.2 泥沙起动的物理机制
• 2.1.3 泥沙的起动条件
• 2.2 推移质输沙率研究概述
• 2.2.1 均匀推移质输沙率公式
• 2.2.2 非均匀推移质输移特性研究
• 2.3 传统数学模型所存在的问题
• 2.4 本章小结
• 3 人工神经网络基本知识的研究与概述
• 3.1 人工神经网络简述
• 3.1.1 人工神经网络的特点
• 3.1.2 人工神经网络的分类
• 3.2 人工神经元模型及拓扑结构
• 3.2.1 生物神经元的结构及其数学模型
• 3.2.2 神经元的模拟以及数学模型
• 3.2.3 人工神经网络模型的拓扑结构
• 3.3 神经网络的学习
• 3.3.1 学习方式
• 3.3.2 学习规则
• 3.4 BP网络算法及其改进
• 3.4.1 BP算法的训练（学习）过程
• 3.4.2 BP经典算法
• 3.4.3 BP经典算法的缺点与改进
• 3.5 BP网络的优化设计
• 3.5.1 隐含层神经元节点数的确定以及转移函数的确定
• 3.5.2 训练样本的选择与处理
• 3.5.3 训练次数的确定
• 3.6 本章小结
• 4 BP及其改进算法的网络设计与预测软件的开发
• 4.1 BP及其改进算法的网络设计
• 4.1.1 水槽实验说明
• 4.1.2 BP网络的建模
• 4.2 预测软件的开发
• 4.2.1 开发工具简介
• 4.2.2 预测软件的开发
• 4.2.3 预测软件使用说明
• 4.3 本章小结
• 5 BP及其改进算法网络在水槽平衡输沙试验中的应用研究
• 5.1 经典BP神经网络在水槽平衡输沙试验中的应用研究
• 5.1.1 训练次数与网络误差关系的研究
• 5.1.2 转移函数S曲线的研究
• 5.2 经典BP算法与两种改进算法预测结果的纵向比较
• 5.2.1 经典BP算法预测结果输出
• 5.2.2 自适应调整学习效率λ改进算法预测结果输出
• 5.2.3 模拟退火改进算法预测结果输出
• 5.3 经典BP算法与两种改进算法预测结果的横向比较
• 5.4 经典BP算法与两种改进算法网络稳定性分析
• 5.5 三种基于BP神经网络算法与Matlab神经网络工具箱计算结果比较
• 5.5.1 Matlab神经网络工具箱简介
• 5.5.2 预测软件计算结果与Matlab神经网络工具箱计算结果的比较
• 5.6 数据分析与总结
• 结论
• 参考文献
• 附录A BP网络训练以及预测检验表
• 攻读硕士学位期间发表学术论文情况
• 致谢