【技术实现步骤摘要】
一种泥沙模型参数优化、泥沙输移过程模拟方法及装置
[0001]本专利技术涉及工程仿真与数值模拟
,具体涉及一种泥沙模型参数优化、泥沙输移过程模拟方法及装置。
技术介绍
[0002]水库泥沙的模拟和预报一般基于水力学及河流动力学的方法,通过对库区复杂河网信息的分析,建立库区泥沙预报模型,对不同来水来沙条件下的泥沙输移过程进行实时分析。恢复饱和系数是泥沙数学模型计算的重要参数,是一个综合系数,需要有实测资料反求。但是影响因素很多,既与水流条件有关,又与泥沙条件有关,随时随地都在变化。同时糙率参数是模型中水动力模块的重要参数,也具有时变的特点,不同的来水来沙条件,其取值受到影响。
[0003]传统的泥沙模型的恢复饱和系数和糙率参数具有时变特性,应用中存在调节范围较大,率定和优选对调试者个人经验依赖度高的问题,而采用的一般神经网络拟合的参数,由于主要基于数学统计方法选择最优解,缺少物理过程的强约束,没有物理意义,经常出现解不唯一和过度拟合不符合实际物理过程的情况,同时存在拟合过程需要不断对控制方程求解,计算量大的问题,限制了该模型的进一步发展和应用。
技术实现思路
[0004]因此,本专利技术要解决的技术问题在于克服现有技术中通过神经网络拟合的参数没有物理意义,优化得到的神经网络模型的输出结果与实际物理过程不符的缺陷,从而提供一种泥沙模型参数优化、泥沙输移过程模拟方法及装置。
[0005]本专利技术提供了一种泥沙模型参数优化方法,包括如下步骤:结合第一初始神经网络模型、第二初始神经网络模 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种泥沙模型参数优化方法,其特征在于,包括如下步骤:结合第一初始神经网络模型、第二初始神经网络模型、水沙模型建立优化目标函数,所述水沙模型中的水沙参数是通过所述第一初始神经网络模型确定的,所述水沙模型中的恢复饱和系数和糙率是通过所述第二初始神经网络模型确定的,所述优化目标函数是根据各水沙模型的模拟残差的和确定的;求解所述优化目标函数,对第一网络模型参数和第二网络模型参数进行优化,得到使得所述优化目标函数的值最小的第一网络模型优化参数和第二网络模型优化参数,所述第一网络模型为所述第一初始网络模型中的参数,所述第二网络模型参数为所述第二初始网络模型中的参数;将包含有所述第二网络模型优化参数的第二初始神经网络模型确定为恢复饱和系数和糙率双参数优化模型。2.根据权利要求1所述的泥沙模型参数优化方法,其特征在于,所述水沙模型的模拟残差包括水流连续方程的残差、水流运动方程的残差、泥沙连续方程的残差、河床变形方程的残差。3.根据权利要求1或2所述的泥沙模型参数优化方法,其特征在于,所述第一初始神经网络模型确定的水沙参数包括流量和水位,所述优化目标函数还包括第一初始神经网络模型输出的流量对实际流量的逼近误差,以及第一初始神经网络模型输出的水位对实际水位的逼近误差。4.根据权利要求1或2所述的泥沙模型参数优化方法,其特征在于,水沙模型的模拟残差包括:差包括:差包括:差包括:其中,e1表示水流连续方程的残差,e2表示水流运动方程的残差,e3表示泥沙连续方程的残差,e4表示河床变形方程的残差,B表示水面宽,Z
s
表示水位,Q
s
表示流量,t表示时间,x表示空间,q
L
表示单位河长上的旁侧入流流量,A表示水断面面积,g表示重力加速度,n
js
表示糙率,R表示水力半径,S
s
表示断面含沙量,α
js
表示恢复饱和系数,ω表示泥沙沉速,S
L
表示旁侧入流的含沙量,S
*
表示水流挟沙力,ρ
s
’
表示河床表面泥沙干密度,Z
bs
表示床面高程,G
b
表示推移质输沙率,其中,Z
s
=Z
s
(x,t;θ
u
),Q
s
=Q
s
(x,t;θ
u
),n
js
=n
js
(x;θ
p
),S
s
=S
s
(x,t;θ
u
),Z
bs
=Z
bs
(x,t;θ
u
),a
技术研发人员:刘肖廷,庞国飞,任实,赵汗青,张成潇,戴会超,米博宇,吕超楠,
申请(专利权)人:中国长江三峡集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。