• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

用模式分类方法区分高、低含沙水流

陈雄波 唐洪武 丁大发

陈雄波, 唐洪武, 丁大发. 用模式分类方法区分高、低含沙水流[J]. 水科学进展, 2005, 16(4): 500-505.
引用本文: 陈雄波, 唐洪武, 丁大发. 用模式分类方法区分高、低含沙水流[J]. 水科学进展, 2005, 16(4): 500-505.
CHEN Xiong-bo, TANG Hong-wu, DING Da-fa. Distinguish hyper-concentration flow from lower-concentration flow by mode clarify method[J]. Advances in Water Science, 2005, 16(4): 500-505.
Citation: CHEN Xiong-bo, TANG Hong-wu, DING Da-fa. Distinguish hyper-concentration flow from lower-concentration flow by mode clarify method[J]. Advances in Water Science, 2005, 16(4): 500-505.

用模式分类方法区分高、低含沙水流

详细信息
    作者简介:

    陈雄波(1973-),男,湖北天门人,工程师,博士,主要从事水力学及河流动力学研究.E-mail:cx67001@yahoo.com.cn

  • 中图分类号: TV143

Distinguish hyper-concentration flow from lower-concentration flow by mode clarify method

  • 摘要: 在介绍模式分类方法的基础上,通过分析BP神经网络训练结果发现:高、低含沙水流挟沙力的变化规律有相似之处,说明挟沙规律不宜作为区别高、低含沙水流的标准,与前人的分析比较吻合;当多沙流体宾汉剪应力大于或小于某一数值组次的资料占总数的绝大多数时,这些组次训练结果与实测值符合较好,而另外组次训练结果与实测值有较大差别,这说明低含沙流体随着含沙量的增加流变方程由牛顿体向宾汉体模型转化时对应的宾汉剪应力有一个临界值。因此可将多沙流体的宾汉剪应力是否达到相应的临界值,作为区分高、低含沙水流的标准。对电木粉高含量的流体,该临界值约为3.2×10-1Pa。
  • [1] 张瑞瑾,谢鉴衡,王明甫,等,河流泥沙动力学[M].北京:水利电力出版社,1989.
    [2] 钱宁.高含沙水流运动[M].北京:清华大学出版社,1989.
    [3] Minns A W. Analysis of experimental data using artificial neural[A]. 26th IAHR Congress[C]. London, 1995:218-223.
    [4] Trent R, Moninas A, Gagarin N. An artificial neural network for computing sediment transport[A]. Proceedings of the 1993 National Conference of Hydraulic Engineering[C]. ASCE, California, 1993 (1): 1 049-1054.
    [5] 窦国仁,王国兵,王向明,等.黄河小浪底枢纽泥沙研究(报告汇编)[R].南京:南京水利科学研究院,1993.
    [6] 李昌华.明渠水流挟沙能力初步研究[J].水利水运科学研究,1980(3):76-83.
    [7] 舒安平.水流挟沙力公式的验证与评述[J].人民黄河,1993(1):7-9.
    [8] 张红武.河工动床模型相似率研究进展[J].水科学进展,2001,12(2):256-263.
    [9] 陈雄波.挟沙水流数值模拟中若干关键问题的研究[D].南京:河海大学,2004.
    [10] 朱鹏程.低含沙量与高含沙量水流挟沙力相互关系的探讨[J].泥沙研究,1980(1):28-32.
    [11] 张红武,张清.黄河水流挟沙力的计算公式[J].人民黄河,1992(11):7-9.
    [12] 吴保生.水流挟沙力研究综述[R].郑州:黄河水利委员会水科院,1992.
    [13] 齐璞.黄河极细沙含量对挟沙能力影响机理的初步探讨[J].泥沙研究,1981(3):91-99.
    [14] 中国水利学会泥沙专业委员会.泥沙手册[M].北京:中国环境科学出版社,1992.
    [15] Julien P Y, Lan Y. Rheology of hyperconcentrations[J]. J of Hydraulic Engineering, 1991, 117(3):346-353.
    [16] Major J J, Pierson T C. Debris flow rheology: Experimental analysis of fine-grained slurries[J]. Water Resources Research, 1992, 28 (3):841-857.
  • [1] 晏自立, 徐元, 李丹勋.  推移质翻越低坝输移特性的试验研究 . 水科学进展, 2020, 31(3): 356-365. doi: 10.14042/j.cnki.32.1309.2020.03.005
    [2] 李文杰, 李娜, 杨胜发, 王涛.  基于挟沙力的三峡水库泥沙淤积形态分析 . 水科学进展, 2016, 27(5): 726-734. doi: 10.14042/j.cnki.32.1309.2016.05.010
    [3] 李文杰, 杨胜发, 付旭辉, 肖毅.  三峡水库运行初期的泥沙淤积特点 . 水科学进展, 2015, 26(5): 676-685. doi: 10.14042/j.cnki.32.1309.2015.05.009
    [4] 阚光远, 刘志雨, 李致家, 姚成, 周赛.  新安江产流模型与改进的BP汇流模型耦合应用 . 水科学进展, 2012, 23(1): 21-28. doi: CNKI:32.1309.P.20120104.2012.004
    [5] 罗优, 陈立, 许文盛, 苏畅.  三峡水库下游宜昌—昌门溪河段河床调整分析 . 水科学进展, 2011, 22(6): 807-812.
    [6] 苏畅, 沈志良, 姚云, 曹海荣.  长江口及其邻近海域富营养化水平评价 . 水科学进展, 2008, 19(1): 99-105.
    [7] 唐洪武, 雷燕, 顾正华.  河网水流智能模拟技术及应用 . 水科学进展, 2008, 19(2): 232-237.
    [8] 廖建华, 许炯心, 杨永红.  黄土高原区高含沙水流发生频率空间分异及其影响因素 . 水科学进展, 2008, 19(2): 160-170.
    [9] 齐义泉, 张志旭, 李志伟, 李毓湘, 施平.  人工神经网络在海浪数值预报中的应用 . 水科学进展, 2005, 16(1): 32-35.
    [10] 王文圣, 熊华康, 丁晶.  日流量预测的小波网络模型初探 . 水科学进展, 2004, 15(3): 382-386.
    [11] 黄国如, 胡和平, 田富强.  用径向基函数神经网络模型预报感潮河段洪水位 . 水科学进展, 2003, 14(2): 158-162.
    [12] 覃光华, 丁晶, 李眉眉, 倪长健.  敏感型人工神经网络及其在水文预报中的应用 . 水科学进展, 2003, 14(2): 163-166.
    [13] 杨建强, 罗先香.  MATLAB软件工具箱简介 . 水科学进展, 2001, 12(2): 237-242.
    [14] 钟德钰, 王士强, 王光谦.  细颗粒对粗颗粒床沙质输沙率影响的初步研究 . 水科学进展, 2001, 12(1): 1-6.
    [15] 苑希民, 刘树坤, 陈浩.  基于人工神经网络的多泥沙洪水预报 . 水科学进展, 1999, 10(4): 393-398.
    [16] 胡铁松, 万永华, 冯尚友.  水库群优化调度函数的人工神经网络方法研究 . 水科学进展, 1995, 6(1): 53-60.
    [17] 胡铁松, 袁鹏, 丁晶.  人工神经网络在水文水资源中的应用 . 水科学进展, 1995, 6(1): 76-82.
    [18] 蔡煜东, 姚林声.  径流长期预报的人工神经网络方法 . 水科学进展, 1995, 6(1): 61-65.
    [19] 刘国纬.  纪念泥沙专家方宗岱先生 . 水科学进展, 1994, 5(4): 333-334.
    [20] 齐璞.  对黄河下游河道输沙能力的新认识 . 水科学进展, 1993, 4(2): 153-160.
  • 加载中
计量
  • 文章访问数:  3
  • HTML全文浏览量:  1
  • PDF下载量:  493
  • 被引次数: 0
出版历程
  • 收稿日期:  2004-04-23
  • 修回日期:  2004-11-25
  • 刊出日期:  2005-07-25

用模式分类方法区分高、低含沙水流

    作者简介:

    陈雄波(1973-),男,湖北天门人,工程师,博士,主要从事水力学及河流动力学研究.E-mail:cx67001@yahoo.com.cn

  • 中图分类号: TV143

摘要: 在介绍模式分类方法的基础上,通过分析BP神经网络训练结果发现:高、低含沙水流挟沙力的变化规律有相似之处,说明挟沙规律不宜作为区别高、低含沙水流的标准,与前人的分析比较吻合;当多沙流体宾汉剪应力大于或小于某一数值组次的资料占总数的绝大多数时,这些组次训练结果与实测值符合较好,而另外组次训练结果与实测值有较大差别,这说明低含沙流体随着含沙量的增加流变方程由牛顿体向宾汉体模型转化时对应的宾汉剪应力有一个临界值。因此可将多沙流体的宾汉剪应力是否达到相应的临界值,作为区分高、低含沙水流的标准。对电木粉高含量的流体,该临界值约为3.2×10-1Pa。

English Abstract

陈雄波, 唐洪武, 丁大发. 用模式分类方法区分高、低含沙水流[J]. 水科学进展, 2005, 16(4): 500-505.
引用本文: 陈雄波, 唐洪武, 丁大发. 用模式分类方法区分高、低含沙水流[J]. 水科学进展, 2005, 16(4): 500-505.
CHEN Xiong-bo, TANG Hong-wu, DING Da-fa. Distinguish hyper-concentration flow from lower-concentration flow by mode clarify method[J]. Advances in Water Science, 2005, 16(4): 500-505.
Citation: CHEN Xiong-bo, TANG Hong-wu, DING Da-fa. Distinguish hyper-concentration flow from lower-concentration flow by mode clarify method[J]. Advances in Water Science, 2005, 16(4): 500-505.
参考文献 (16)

目录

    /

    返回文章
    返回