[发明专利]一种城市雨水系统排水口排水流量的动态预测方法

摘要

本发明公开了一种城市雨水系统排水口排水流量的动态预测方法，步骤(1)、利用暴雨洪水管理模型对进行降雨‑径流模拟，多组排水管网出口的排水流量过程线，作为训练样本；步骤(2)、建立RBF神经网络进行训练，在训练过程中进行网络隐层节点及中心宽度Spread的优化；步骤(3)、建立NARX神经网络进行训练；步骤(4)、将完成训练的NARX神经网络与RBF神经网络进行耦合得到耦合网络，进行预测，计算耦合网络与样本的均方误差，返回均方误差最小的流量值作为优化后的耦合位点，随机选取降雨数据输入耦合网络，得到预测的排水流量过程线。本发明有机结合了不同神经网络的优势与特点，预测结果与SWMM模拟符合很好，曲线的均方误差为0.000458，具有良好的预测精度。

主权项

1.一种城市雨水系统排水口排水流量的动态预测方法，其特征在于，该方法包括以下步骤：步骤(1)、利用暴雨洪水管理模型对排水系统进行降雨‑径流模拟，改变降雨条件得到多组排水管网出口的排水流量过程线，再将降雨过程线与排水流量过程线进行离散化处理，作为训练样本；步骤(2)、建立RBF神经网络，将步骤1中的离散化的降雨与流量数据作为RBF网络的输入与期望输出进行训练，同时在训练过程中进行网络隐层节点及中心宽度Spread的优化：设计一个循环结构，将隐层节点数从4个取到400个，分别计算在不同隐层节点数下训练过程的均方误差，返回均方误差最小的节点数作为网络的节点数，并参与后续的训练与预测；在确定节点数的情况下，利用同样的循环结构，让中心宽度从0.2取到2，再分别计算不同宽度下训练过程的均方误差，返回均方误差最小的宽度值作为网络的中心宽度；步骤(3)、建立NARX神经网络，将步骤(1)中的离散化的降雨与流量数据作为NARX神经网络的输入与期望输出进行训练；步骤(4)、将完成训练的NARX神经网络与RBF神经网络进行耦合得到耦合网络，根据NARX与RBF网络的优势预测区间，将排水流量过程线分为峰值与非峰值两部分，定义两部分的流量分界点作为耦合位点，排水流量过程线在耦合位点处的流量以下时，用NARX网络进行预测；排水流量在耦合位点处的流量以上时，用RBF网络进行预测，并优化耦合位点；利用最小二乘法和先前神经网络的训练样本，计算耦合网络与样本之间均方误差，并返回均方误差最小的流量值作为优化后的耦合位点，随机选取降雨数据输入耦合网络中，得到预测的排水流量过程线。