为提升南水北调中线总干渠冰期输水能力，实现在保障冰期安全运行前提下尽可能多供水的目标，对总干渠冰情精准预测进行研究有着重要意义。本文利用中线工程通水以来的冰情原型观测数据，应用径向基神经网络（RBFNN）建立了当日平均水温、次日最高和最低气温、次日天气状况、次日水流流速与次日平均水温的非线性回归模型，利用随机森林（RF）建立了基于水温、气温、流速因子研判冰情状态的二分类模型，并结合两者形成了基于径向基神经网络和随机森林（RBFNN-RF）的冰情逐日预测模型。以南水北调中线总干渠北拒马河断面为典型代表，应用该模型分别针对1日、3日、5日和7日的预见期进行测试，预测水温的均方根误差分别为0.17℃、0.36℃、0.52℃和0.64℃，而相应预见期下的冰情状态预测准确率分别为95.28%、92.68%、89.08%和85.22%，表明本文建立的冰情预测模型具有较高的精度。同时，将基于随机森林的冰情研判模型与基于支持向量机和径向基神经网络的模型进行比较，随机森林模型判断准确率最高。本文建立的冰情预测模型可为中线实施精准冰期动态调度，充分发挥工程效益提供技术支撑，并为类似明渠长距离调水工程的冰期...
为提升南水北调中线总干渠冰期输水能力，实现在保障冰期安全运行前提下尽可能多供水的目标，对总干渠冰情精准预测进行研究有着重要意义。本文利用中线工程通水以来的冰情原型观测数据，应用径向基神经网络（RBFNN）建立了当日平均水温、次日最高和最低气温、次日天气状况、次日水流流速与次日平均水温的非线性回归模型，利用随机森林（RF）建立了基于水温、气温、流速因子研判冰情状态的二分类模型，并结合两者形成了基于径向基神经网络和随机森林（RBFNN-RF）的冰情逐日预测模型。以南水北调中线总干渠北拒马河断面为典型代表，应用该模型分别针对1日、3日、5日和7日的预见期进行测试，预测水温的均方根误差分别为0.17℃、0.36℃、0.52℃和0.64℃，而相应预见期下的冰情状态预测准确率分别为95.28%、92.68%、89.08%和85.22%，表明本文建立的冰情预测模型具有较高的精度。同时，将基于随机森林的冰情研判模型与基于支持向量机和径向基神经网络的模型进行比较，随机森林模型判断准确率最高。本文建立的冰情预测模型可为中线实施精准冰期动态调度，充分发挥工程效益提供技术支撑，并为类似明渠长距离调水工程的冰期...
为提升南水北调中线总干渠冰期输水能力，实现在保障冰期安全运行前提下尽可能多供水的目标，对总干渠冰情精准预测进行研究有着重要意义。本文利用中线工程通水以来的冰情原型观测数据，应用径向基神经网络（RBFNN）建立了当日平均水温、次日最高和最低气温、次日天气状况、次日水流流速与次日平均水温的非线性回归模型，利用随机森林（RF）建立了基于水温、气温、流速因子研判冰情状态的二分类模型，并结合两者形成了基于径向基神经网络和随机森林（RBFNN-RF）的冰情逐日预测模型。以南水北调中线总干渠北拒马河断面为典型代表，应用该模型分别针对1日、3日、5日和7日的预见期进行测试，预测水温的均方根误差分别为0.17℃、0.36℃、0.52℃和0.64℃，而相应预见期下的冰情状态预测准确率分别为95.28%、92.68%、89.08%和85.22%，表明本文建立的冰情预测模型具有较高的精度。同时，将基于随机森林的冰情研判模型与基于支持向量机和径向基神经网络的模型进行比较，随机森林模型判断准确率最高。本文建立的冰情预测模型可为中线实施精准冰期动态调度，充分发挥工程效益提供技术支撑，并为类似明渠长距离调水工程的冰期...
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归(SVR)和径向基(RBF)神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系...
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归(SVR)和径向基(RBF)神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系...