公开(公告)号：CN110909485B

公开(公告)日：2022-04-12

申请号：CN201911231984.3

申请日：2019-12-05

Applicant: 重庆交通大学

Inventor： 陈垚 ,  何智伟 ,  程麒铭 ,  袁绍春

IPC: G06F30/20 ,  G06N3/08

Abstract: 本发明公开了一种基于BP神经网络的SWMM模型参数自率定方法，包括以下步骤：S1：建立研究区域的降雨径流模型；S2：确定待率定参数组和取值范围，同时抽样生成参数取值序列；S3：将参数序列导入模型并驱动运行出模拟结果；S4:提取出模拟结果作为输入变量，S2中的参数取值序列作为目标变量；S5:建立BP神经网络进行训练优化，使模型满足误差在置信区间的要求；S6：选取监测点实测水深数据输入S5中训练的网络进行仿真，得到自动率定参数，实现参数自率定。本发明克服了人工试错法参数率定主观因素的影响，并且相对于遗传算法参数率定步骤更为简单快捷，能够更精确、有效、快捷的完成参数率定过程，且NS值大于0.85。

公开(公告)号：CN110909485A

公开(公告)日：2020-03-24

申请号：CN201911231984.3

申请日：2019-12-05

Applicant: 重庆交通大学

Inventor： 陈垚 ,  何智伟 ,  程麒铭 ,  袁绍春

IPC: G06F30/20 ,  G06N3/08

Abstract: 本发明公开了一种基于BP神经网络的SWMM模型参数自率定方法，包括以下步骤：S1：建立研究区域的降雨径流模型；S2：确定待率定参数组和取值范围，同时抽样生成参数取值序列；S3：将参数序列导入模型并驱动运行出模拟结果；S4:提取出模拟结果作为输入变量，S2中的参数取值序列作为目标变量；S5:建立BP神经网络进行训练优化，使模型满足误差在置信区间的要求；S6：选取监测点实测水深数据输入S5中训练的网络进行仿真，得到自动率定参数，实现参数自率定。本发明克服了人工试错法参数率定主观因素的影响，并且相对于遗传算法参数率定步骤更为简单快捷，能够更精确、有效、快捷的完成参数率定过程，且NS值大于0.85。