论文部分内容阅读
暴雨洪水管理模型(SWMM)的模拟准确性取决于其参数率定结果,而传统的线性和非线性数学回归方法难以得到全域最优解。为提高参数率定的准确性,利用SWMM的计算引擎调用函数与MATLAB软件平台进行耦合,采用拉丁超立方抽样法对待率定参数进行抽样形成参数组导入模型,最终利用BP神经网络进行训练完成模型参数的自动率定过程。案例研究结果表明,BP神经网络算法可有效完成参数的自动率定过程,且只需经历5次迭代便可获得变量间的映射关系,在4场不同强度降雨条件下SWMM的Nash-Sutcliffe效率系数(NS)均