基于BP神经网络的HEC-RAS二维模型糙率参数自动率定

【摘要】：水面宽阔河段、洪泛区和潮汐河口段的水文及水动力学计算模拟多采用二维模型,然而因模型复杂的非线性映射关系常导致参数率定效率和精度不高,甚至出现"异参同效"问题。为此,提出一种应用BP神经网络自动率定二维模型糙率参数的方法。以海南昌化江入海口段为计算实例进行数值检验,结果表明:编写的Python程序能够准确率定HEC-RAS二维模型实例各糙率分区的糙率参数,各糙率分区的率定糙率值均在参数取值范围内,且均在观测糙率值±0.011内,未出现"异参同效"现象;水位率定计算误差满足设定允许误差要求,设定允许误差0.20 m、0.15 m和0.10 m的平均率定计算误差小于0.10 m,设定允许误差0.05 m的平均率定计算误差接近0 m;设定允许误差为0.15 m时,率定程序的运算效率最高。选用海南201409号台风"威马逊"时期的昌化江实测资料进行验证,证明该方法有效可靠,能够实现HEC-RAS软件二维模型糙率率定功能,可推广应用于其他模型参数率定。