演算法蒸散

① 水文地質參數變化

一、太原盆地水文地質參數計算

水文地質參數的選取直接影響著地下水資源計算量的大小和可信度，研究水文地質參數具有十分重要的意義。本次相關的水文地質參數主要有降水入滲補給地下水系數（α）、潛水蒸發極限深度（L）、蒸發強度（ε）、灌溉回滲地下水系數（β）、疏干給水度（μ）、導水系數（T）、彈性儲水系數（s）、滲透系數（K）、河流滲漏補給系數、渠系滲漏補給系數等。

（一）降水入滲補給地下水系數（α）

影響降水對地下水的補給量的因素很多，主要有地形、包氣帶岩性及結構、地下水位埋深、降水特徵及土壤前期含水量等。

降水入滲補給系數為降水入滲補給地下水量與降水量之比值。年降水入滲補給系數為年內所有場次降水對地下水入滲補給量總和與年降水總量的比值，其表達式為:

山西六大盆地地下水資源及其環境問題調查評價

式中:α年是年降水入滲補給系數；pri是場次降水入滲補給量，mm；P是年降水量，mm；n是年降水場次數。

用長期動態觀測孔求取年降水入滲系數的計算方法:

山西六大盆地地下水資源及其環境問題調查評價

式中:_μ∑Δh_次是年內各次降水入滲補給地下水量之和；P_年是年降水量；Δh_次是某次降水引起的地下水位升幅值。

根據動態資料分析計算，在前人試驗的基礎上，綜合考慮各方面的因素，給出盆地區降水入滲補給地下水系數（詳見第四章）。

（二）地下水蒸發極限深度（L）、蒸發強度（ε）

蒸發極限深度就是指淺層水停止蒸發或蒸發量相當微弱時，淺層水位埋深值。蒸發強度就是在極限蒸發深度以上，單位時間淺層水的蒸發量。

影響地下水蒸發的主要因素是地下水位埋深、包氣帶岩性和水面蒸發強度等。

理論上，當水位埋深處於蒸發極限深度時，地下水在無補給、無開採的條件下，動態曲線近於平直。

地下水蒸發極限深度（L）

蒸發極限深度通常採用迭代法、試演算法和經驗公式計算（L），公式如下:

迭代法:

試演算法:

經驗公式法:

式中:ΔT₁、ΔT₂為計算時段，d；H₁、H₂、H₃為時段內水位埋深，m；Z₁、Z₂為時段內水面蒸發強度，m/d；

經計算，太原盆地孔隙水區不同岩性的蒸發極限深度依包氣帶岩性不同分別為:亞砂、亞粘土互層為3.5m，亞砂土為4.0m，粉細砂、亞砂土互層為4.5m。

地下水蒸發強度

計算公式:

式中:Z₀是液面蒸發強度，mm/d；ΔH是淺層水降落間段的平均水位埋深，mm；Z是蒸發強度，mm/d。

由本區淺層水水位埋深圖（詳見第四章）可看出，水位埋深小於4m的區域在北部太原市和南部平遙、介休一帶，根據上式計算太原、平遙、介休等地的地下水蒸發強度見表3-1。

表3-1 太原盆地孔隙水區地下水蒸發強度

（三）灌溉回滲地下水系數（β）

是指田間灌溉補給地下水的量與灌溉總量的比值。影響灌溉回滲系數和因素主要有岩性、水位埋深、土壤含水率、灌溉定額等多種。

計算公式:

式中:μ是給水度；Δh是由灌溉引起的地下水位平均升高值，m；Q是灌溉水量，m³；F是面積，m²。

本次工作在盆地太原市小店區郜村、汾陽市賈家莊鎮東馬寨村和榆次市楊盤等3個地方布置了3組灌溉入滲試驗，地表岩性郜村為粉質粘土、東馬寨上部為粉質粘土，下部為粉土，楊盤為粉土，化驗室給水度試驗結果分別為0.195、0.11、0.143。郜村在37m×37m的面積上布置10眼觀測孔，水位埋深1.2～1.3m，累計灌溉水量160m³，10個孔平均水位上升值為0.1912m，根據上式計算得灌溉入滲地下水系數為0.32；東馬寨村水位埋深1.95～2.44m，在26m×26m的面積上布置10眼觀測孔，灌溉水量60m³，觀測孔平均水位上升值為0.465m，計算得灌溉入滲地下水系數為0.58；楊盤布3個觀測孔，水位埋深5.76～6.01m，灌溉面積100m²，灌溉水量100m³，平均水位上升高度為0.27m，計算得灌溉入滲系數為0.039。

從以上試驗數據可以看出，不同水位埋深、不同岩性地區灌溉入滲系數有很大區別。綜合考慮各種因素，灌溉回滲地下水系數選用值見表3-2。

表3-2 灌溉回滲地下水系數

（四）彈性貯水系數S、導水系數T、給水度μ、滲透系數K

盆地區大部分地區都進行過1∶5萬比例尺的農田供水水文地質勘查，做過大量單孔和多孔抽水試驗，本次在文水文倚、汾陽等5地分別作了5組抽水試驗，用非穩定流公式，降深-時間半對數法計算結果如下:文倚導水系數T＝1983.59～2181.95m²/d，滲透系數K＝32.19～35.4m/d，彈性貯水系數S＝1.79×10^-3；汾陽縣賈家莊鎮東馬寨村抽水試驗求得導水系數T＝325.84～376.5m²/d，滲透系數K＝5.65～6.53m/d。結合以往本區的工作成果，給出太原盆地淺層孔隙潛水和中深層孔隙承壓水水文地質參數，詳見參數分區圖3-13和參數分區表3-3。

表3-3 太原盆地中深層孔隙承壓水及淺層孔隙潛水參數分區

圖3-13 太原盆地參數計算分區圖

二、大同盆地水文地質參數計算

由本區淺層水2004年水位埋深圖可看出，水位埋深小於4m的區域主要分布於盆地中部沖積平原區，盆地南部懷仁、山陰、應縣、朔州分布面積較大。根據計算和以往試驗資料，本區蒸發強度確定值見下表（表3-4）。

表3-4 大同盆地孔隙水區地下水蒸發強度

據「山西省雁同小經濟區水資源評價、供需平衡研究報告」中搜集的本區灌溉回滲試驗數據取得不同水位埋深、不同岩性、不同灌溉定額的灌溉回滲系數，灌溉回滲系數選定值見表3-5。

盆地區大部分地區都進行過1/5萬比例尺的農田供水水文地質勘查，做過大量單孔和多孔抽水試驗。本次工作搜集本區以往抽水試驗孔117個，本次在大同縣黨留庄鄉、懷仁縣金沙灘鎮、懷仁縣新發村、懷仁縣榆林村、山陰縣張庄鄉、朔州市城區沙塄鄉等6地分別作了6組抽水試驗，採用AquiferTest計算程序，非穩定流方法計算，本次抽水孔具體情況和計算結果見表3-6和表3-7 。

表3-5 灌溉回滲地下水系數

表3-6 大同盆地本次抽水試驗數據統計

表3-7 大同盆地本次抽水試驗計算成果表

結合以往本區的工作成果，給出大同盆地淺層孔隙潛水和中深層孔隙承壓水水文地質參數，詳見參數分區圖3-14、圖3-15和參數分區表3-8、表3-9 。

圖3-14 大同盆地降水入滲系數分區圖

圖3-15 大同盆地淺層、中深層孔隙水參數分區圖

表3-8 大同盆地淺層孔隙潛水參數分區表

續表

表3-9 大同盆地中深層孔隙承壓水參數分區

三、忻州盆地

忻州盆地地下水資源較為豐富，開采條件優越，20世紀70年代之前地下水開采規模較小；70年代初至80年代末隨著農業灌溉的普及，工業生產的發展和城市規模的擴大，地下水開采量迅速增加。開采對象以淺層水為主，造成淺層水水位普遍有所下降（但下降幅度不大）。從20世紀90年代至今，雖然地下水開采量具有逐年增大的趨勢，但增加幅度較小，且中層井數量逐漸增多，形成了淺層水、中層水混合開採的新模式，地下水位總體處於動態平衡狀態。受地下水人工開採的影響，降水入滲系數及導水系數等水文地質參數發生了一定程度的變化。

區內降水入滲系數的變化除了與年降水量及降水特徵有關外，主要與淺層地下水位埋深關系較為密切。已有資料表明，在山前傾斜平原區，淺層水位埋深一般大於7m，因水位下降使降水入滲系數發生了不同程度的減小。在沖積平原區淺層水位埋深一般小於7m，水位下降的結果引起了降水入滲系數有所增大。不同地貌單元降水入滲系數的變化見第五章。

從20世紀70年代以來，區內含水層的導水系數發生了較為明顯的減小，主要體現在因淺層地下水位下降，使淺層含水層上部處於疏干狀態，含水層厚度減小，直接導到導水系數減小。因淺層水水位下降幅度不同，導水系數減小的程度也存在差異，從本次地下水側向補給量計算斷面附近的井孔資料分析，含水層厚度一般減小了3～6m，導水系數由70年代中期的60～250m²/d，減少到目前的50～200m²/d左右。

忻州盆地給水度根據不同地貌單元含水層岩性、分選性及富水性綜合確定見表3-10及圖3-16 。

表3-10 忻州盆地淺層含水層給水度分區

圖3-16 忻州盆地給水度分區圖

四、臨汾盆地

經過搜集以往資料，調查和計算確定臨汾盆地降水入滲系數見表3-11。臨汾盆地滲透系數及給水度分區見圖3-17，表3-12。

表3-11 臨汾盆地平原區降水入滲系數統計

圖3-17 研究區滲透系數及給水度分區圖

表3-12 臨汾盆地參數分區表

五、運城盆地

運城盆地地下水長觀網建站年代較遠，積累了大量的地下水位監測資料，且經過多次的地質、水文地質勘察、地下水資源評價工作，取得了大量的降水入滲值，參考前人綜合成果，結合目前包氣帶岩性、地下水位埋深，給出運城盆地降水入滲補給系數，見表3-13。

表3-13 運城盆地平原區降水入滲系數統計

渠系有效利用系數除受岩性、地下水埋深影響外，還與渠道襯砌程度有關。修正系數r為實際入滲補給地下水量與渠系損失水量Q_損的比值，是反映渠道在輸水過程中消耗於濕潤土壤和侵潤帶蒸散損失量的一個參數，它受渠道輸水時間、渠床土質及有無襯砌、地下水埋深等因素的影響。一般通過渠道放水試驗獲得。本次評價主要參考運城市水利局相關試驗成果，見表3-14。

表3-14 運城盆地萬畝以上灌區η、r、m值統計

灌溉回歸補給系數β值與岩性、植被、地下水埋深及灌溉定額有關，一般通過灌溉入滲試驗求得，本次評價主要參照運城市水利部門資料綜合確定，詳見表3-15。

表3-15 運城盆地灌溉回歸系數β取值

河道滲漏補給系數是河道滲漏補給地下水量與河道來水量的比值。其值大小與河床下墊面岩性、流量、地下水位埋深及滲漏段長度有關。運城盆地沿中條山前發育數條季節性河流，河床下墊面主要為砂卵礫石，當洪雨季節，地表河床水位遠高於地下水位，為地表水的入滲造就了十分便利的條件。根據河道滲漏資料，可建立如下數學模型:

山西六大盆地地下水資源及其環境問題調查評價

式中:m_河是河道滲漏補給系數；A是計算系數，A＝（1-λ）×（1-φ）^L，φ是單位千米損失率；L是河道滲漏長，km，Q徑是河道來水量，m³/s。

據運城市水利部門研究成果，A值約為0.090。

含水層的滲透系數主要由野外抽水試驗通過穩定流及非穩定流計算公式求得，各勘探部門在運城盆地先後進行過各種勘察，進行了大量的抽水試驗工作，積累了豐富的資料，參考本次抽水試驗成果對以往參數進行了修正，取值結果見表3-16 。

表3-16 運城盆地鬆散岩類K值選定表

降雨入滲補給系數在同岩性、同降雨量情況下，隨地下水位埋深的增大，降雨入滲補給系數會達到一個最大值之後趨於減少或變為常數。運城盆地北部的峨嵋台塬及聞喜北塬，其地下水位埋藏深，地表主要以黃土類為主，降水入滲主要依靠黃土垂直節理裂隙及「流海縫」以「活塞式」注入地下，多年來其降水入滲系數基本為常量，經用動態分析法計算其降水入滲系數在0.108～0.11間；在盆地中部的沖湖積平原區，其地表岩性主要以Qp₃＋Qh沖湖積相的亞砂土、亞粘土、粉細砂為主，由於開采強烈，區域水位嚴重下降，地表數米至幾十米內均為飽氣帶，為降水入滲准備了調蓄空間，加強了降水向地下水的轉化。根據盆地地下水長觀孔資料及次降雨資料，計算出盆地沖湖積平原地帶，降水入滲系數在0.1～0.162之間，總體上上游大於下游。而在東部及南部的山前傾斜平原區，地下水位埋深一般大於5m、乃至幾十米，地表岩性大多為亞砂土及亞粘土，尤其是在一些溝口附近，從地表往下幾十米范圍內為干砂卵礫石，一般降雨基本上不產生地表徑流，這無疑加大了降水的轉化。據相關資料計算，降水入滲系數高達0.21～0.30。因過去所做的工作不系統，沒有對降雨入滲系數進行系統分類，不便比較，但根據運城盆地飽氣帶岩性、地下水變動情況，除峨嵋台塬及黃土丘陵區變化不大外，其他地區降雨入滲系數無疑有增大趨勢。

盆地內抽水井的含水層，大多為數個含水層混合開采。現根據本次抽水計算值，對歷次研究成果中的K值加以修正，得出運城盆地各個地貌單元的滲透系數。總體來說，黃河岸邊低階地區K值最大為11.3～14.6m/d，中條山山前傾斜平原次之，為5.45～6.12m/d，最次為聞喜北垣K＝1.10m/d左右。

根據地貌單元、含水層岩性、地下水水力特徵及各參數特徵，將運城盆地劃分為10個參數分區，見表3-17及圖3-18。

表3-17 運城盆地水文地質參數分區

六、長治盆地

根據水文地質條件，長治盆地參數分區見圖3-19，表3-18 。

圖3-18 運城盆地水文地質參數分區表

圖3-19 長治盆地參數分區圖

表3-18 長治盆地淺層孔隙潛水參數分區

（一）降水入滲補給系數變化

根據《太原市地下水資源評價報告》研究成果，盆地區亞砂土、極細砂、細砂的降水入滲系數隨著地下水位埋深的增大而增大，當水位埋深超過一定值以後，降水入滲系數開始趨於穩定；降水量越大，降水入滲系數在相同的岩性和地下水位埋深條件下也越大。對於亞砂土、極細砂、細砂在相同水位埋深和降水情況下，細砂的降水入滲系數>極細砂的>亞砂土的。總體來說，顆粒越粗，降水入滲系數也越大。

α隨降水量的變化，非飽和帶在降水入滲補給地下水過程中起調節作用，降水入滲補給過程要滯後於降水過程，其滯後時間的長短、特徵與非飽和帶的重力水蓄水庫容關系密切，地下水埋深越大，其蓄水庫容也越大，調節能力也越強，滯後現象也越明顯。

在亞砂土、極細砂和細砂3種岩性中，降水量相等時，降水入滲系數從大到小的順序為細砂、極細砂、亞砂土。場次降水量的影響表現為α次先是隨著降水量的增大而變大，當降水量超過一定數值後，α次反而呈減少趨勢，這個降水量即是最佳降水量。α年與α次有相同的規律性，從入滲機制分析，α年也存在最佳年降水量。

當地下水埋深為零時，降水入滲補給系數亦為零，然後隨埋深的增加由小變大；當地下水埋深到達某一定值時，降水入滲補給系數達到最大值即最佳降水入滲補給系數，並由此隨埋深的增加由大到小，到達一定的埋深時，趨於定值。地下水埋深對降水入滲補給系數的影響，可從3方面來說明。

埋深反映了蓄水庫容的大小。當埋深為零時，即蓄水庫容為零，這時無論降水量多大，均無入滲補給的可能。當埋深增加時，地下水庫得到了降水入滲補給量，此時降水入滲補給系數大於零，降水入滲補給系數隨埋深的增加而增大。當地下水達到最佳埋深時，其對應的降水入滲補給系數為最佳降水入滲補給系數，原因是由於條件一致的地區中的依次降水，其入滲補給量隨地下水埋深的變化必存在一個最大值。當地下水埋深較小時，由於地下水蓄水庫容較小，形成蓄滿產流，不能使降水全部入滲；當地下水埋深再增大時，則損失較最佳埋深為大，故降水入滲補給系數隨埋深的增加而減小。對於不同級別的降水量，α最大值出現的地下水位埋深區域也不同。最佳埋深與岩性和降水量有關。

地下水埋深在某種程度上反映了土壤水分的多少。土壤水垂直分布大體可概化為3種狀況。第1種情況是地下水埋深較小，毛管上升水總能到達地表；第2種情況是地下水埋深較大時，毛管上升水無法到達地表；第3種情況是地下水埋深介於兩者之間，在此埋深內，由於地下水位是升降變化，毛管上升水有時達到地表，有時達不到地表。這3種情況將對降水入滲補給量有不同的影響。第1種情況，降水一開始，水即可通過毛管在重力作用下迅速向下移動，地下水位在降水開始後很快上升。第2種情況，降水首先應滿足土壤缺水的需要，而後在重力作用下通過空隙下滲補給地下水。其滲漏途徑較第1種情況長，入滲方式也有差異。

圖3-20 滲透系數與深度關系圖

不同地下水位埋深條件對降水入滲補給系數取值的影響。盆地太谷均衡實驗場的水分勢能實驗最大深度為8.2m，有觀測點41個。多年資料的分析結果表明，土壤水分勢能變化從地面往下可分為3個變化帶———劇烈變化帶、交替變化帶和穩定帶，劇烈變化帶埋深為0～1.1m，土壤水分勢能變幅大於200×133Pa；交替變化帶埋深1.1～3.6m，土壤水分勢能變幅大於（100～200）×133Pa之間；埋深3.6m以下為穩定帶，其土壤水分勢能變幅小於100×133Pa，其中埋深在4.5～5.0m以下的穩定特性更為明顯，其土壤水分勢能的變幅一般不超過50×133Pa，其土壤水分全年為下滲狀態。表明埋深在5.0m以下為穩定入滲補給，反映在降水入滲補給系數上隨埋深增加，α_年將趨於穩定，故當埋深大於5.0m時，α_年值可取定值，不再隨埋深而變化。原因是地下水埋深已到達或超過地下水極限埋深，損失趨於定值，水分不向上運動，必然向下運動，故形成了降水入滲補給系數隨地下水埋深變化的穩定值。

（二）滲透系數變化

孔隙含水介質的滲透能力不僅取決於粒徑大小、顆粒級配、膠結程度，還與其埋深有關。同一岩性的孔隙含水介質，隨著深度的增加，介質被壓密，滲透系數會減小。

根據河北平原山前沖洪積扇扇頂區數百個鑽孔資料的統計，各種含水介質的滲透系數隨埋深增加呈指數衰減，部分深層不同岩性滲透系數隨埋深的變化規律參考下述經驗公式:

岩性為卵礫石時，滲透系數與埋深關系式:

K＝K₀e^-0.0131h R＝0.877

岩性為砂礫石時，滲透系數與埋深關系式:

K＝K₀e^-0.0116h R＝0.869

岩性為中粗砂時，滲透系數與埋深關系式:

K＝K₀e^-0.0057h R＝0.896

K為埋深處的滲透系數；K₀為地表淺層的滲透系數；h為埋深；R為相關系數。

因此，對於同一種岩性，其滲透系數大小與深度有關（圖3-20）。

② 森林水文學研究熱點

森林水文學就是研究森林與水之間關系的科學，它起始於19世紀末20世紀初歐美國家的「森林的影響」的研究，它有2個研究方向，一個是單個水文過程的研究，另一個是研究一個森林生態系統整個的水文過程和水文效應。模型是森林水文學研究的重要工具，能幫助人們更好地理解和描述水文過程機制、預測不同條件下的水文效應。

水文過程研究包括對降水截持、入滲、徑流、蒸散等的過程的研究。降水截持的模型很多，可以分為統計模型、概念模型和解析模型。截持模型發展方向是建立能充分反映降水截持過程，體現各種因素對截持過程影響的具有物理機制的模型。經過截持後的達到地面的凈降水通過表層土壤的孔隙進入土壤中再沿土壤孔隙向深層滲透和擴散。入滲模型的發展方向也是建立能准確描述入滲過程的具有物理機制的模型。但有很多因素限制了這類模型參數的確定，如模型參數在空間的異質性：在水平方向不同植被、地形等因素的組和下土壤入滲能力也大不一樣；在垂直方向，包括結皮表面的各層土壤入滲的性能也不同。忽略這些因素的影響，得到的入滲過程和實際情況會有很大差別。徑流根據發生的部位可分為地表徑流、壤中流和地下徑流。現有產流機制的主要不足是：忽略了地形坡度和土層各向異性對產流的影響，對非飽和側向流在壤中流和地下水流形成中的作用也注意不夠。蒸散是水分從系統內散失的另一條途徑。蒸散包括植物蒸騰和蒸發。蒸散的研究方法有很多，包括水文學方法、微氣象學方法，生理學方法、遙感測演算法及SPAC模擬方法等，其中生理學方法測定的是植物的蒸騰作用。

森林水文學對土壤水分變化研究屬於形態研究，研究森林土壤容重、孔隙度等參數及森林土壤對水分循環的調節能力，對土壤水分運動研究相對較少。應用SPAC理論和能量方法進行土壤水分運動的研究是今後森林水文學需要加強的研究方向。對於森林與降雨量之間的關系還沒有一個統一的結論。大多學者認為森林能增加水平降水，而對垂直降水影響不大，特別是在大尺度上這種影響很小，但不能排除在局部范圍上影響大氣降雨量。多數學者認為，森林可以減少洪水量，削弱洪峰流量及推遲和延長洪水的匯集時間，但這種削弱作用並不是無限的，森林對洪水的削減作用是有條件的，受到很多因素的影響，如土壤前期含水量、枯枝落葉層被前期降水所飽和的程度、暴雨的強度與歷時、森林分布的地貌部位、土壤厚度與下伏岩石的透水性、流域的大小等都會在不同程度上發揮作用，不能一概而論。

國外有關森林對水質影響的研究較多，自20世紀80年代中期以來，森林與水質的研究漸漸成為熱點，不僅研究森林對河流泥沙懸移質含量的影響，也非常注重對森林與水質中的化學因子、生物因子的研究。森林與水是相互影響、相輔相成的，森林水文過程與森林生態系統各個生態過程之間也是相互影響、相輔相成的關系。森林水文學以往的研究主要考慮森林植被等因素對水文過程的影響，對水分影響植被的生長及分布格局等生態系統格局和過程方面考慮不夠，不能全面研究森林與水的關系。

③ 演算法和數據結構的關系

任何程序都是由數據和處理這些數據的方法組成的。

就像烹飪菜餚一樣，食材（數據）和烹飪方法（處理這些食材的方法，諸如煎炒煮炸蒸焗燜燉之類的）兩者必不可少。而所謂數據結構就是組織（大量）數據的方法，所謂演算法就是處理這些數據的方法。

////////////////////////////////////////////////////////////////////////////

杭州巨立安（JulianTec）是杭州市場上

唯一由資深研發工程師所創辦的機構。所以：

就專業程度和實在程度而言，杭州巨立安(JulianTec)

是您在arm架構下學習嵌入式Linux研發的上佳指導！

④ 水量平衡模型

降水、蒸發和徑流是水循環過程的三個主要環節，三者構成的水循環決定流域的水量平衡。水量平衡是指一個流域或一個水體在某一個時段內輸入水量減去輸出水量的蓄水變化，即水循環過程的水量收支平衡關系。水量平衡的基本原理是對水文循環進行定量研究，根據各水文要素間的定量關系，用已知的水文要素推求其他的水文要素。水量平衡計算的時段可以選取時、日、月、年來計算。

月水量平衡模型是根據水量平衡原理為基礎，研製的一種概念性水文模型，是以月降水、月平均氣溫等氣象因子資料作為輸入數據，然後根據各水文要素之間的關系，概化成經驗公式，並通過該經驗公式來模擬流域水文過程。月水量平衡模型簡單實用，廣泛應用於流域中長期水文模擬、水資源供需分析以及大尺度氣象模型輸入數據的獲取。近幾年來，過多地藉助該類模型評估氣候變化對流域水文水資源情勢的影響。首先， Thornthwaite於1948年提出水量平衡模型，Mather於1955年將其進行了改進^[78];1965年後，Thomas建立abcd模型，Alley研製了T_α模型和T_γ模型，Vandwiele提出澳大利亞模型等比較有名的月水量平衡模型。中國也先後提出了兩參數的月水量平衡模型、三參數的月水量平衡模型、五參數的月水量平衡模型、半乾旱半濕潤地區月水量平衡模型、半乾旱地區月水量平衡模型^[85]等等。這些模型模擬的精度相似，各有其優缺點:①不同模型計算出的中間變數相差很大，但各模型參數都有一定規律，反映自然地理下墊面條件與降水徑流之間的內在聯系;②確定模型參數時，難易程度不同;③模型參數的相關性不太好。

在國家「九五」科技攻關項目「氣候異常對中國水循環及水資源影響評估模型研究」中，熊立華、郭生練(1996)根據中國地區月降水、月蒸發與月徑流密切相關性，開發了集總式的兩參數水量平衡模型，認為在自然條件下，無明顯蓄水或取水，一次降水一般能在一個月內轉化為徑流或被蒸發，僅小部分滯留在土壤中^[59]。因此，月水量平衡模型不必區分產流與匯流，模型簡單，參數較少;其中兩參數模型模擬效果好，參數最少，實用性強，便於應用。

6.2.2.1月水量平衡模型的建立

(1)有效降水

降水來自於雲。大氣中的濕潤空氣遇冷後逐漸趨於飽和，進一步冷卻便凝結成過飽和的水蒸氣。水蒸氣由半徑為數微米以下的小水滴或冰粒子組成，當小水滴半徑超過100um且下落速度超過積雲上升氣流的速度時，從雲底落下成降雨。當地表氣溫很低，小於-4℃時，小水滴過冷卻後變成冰粒子，冰粒子經過升華凝結後急速成冰晶體，冰晶體由於下落的速度不同形成降雪;當冰晶體下落時遇到下部高於0℃的氣層會融化，形成降雨。

窟野河流域是黃河中游的一條重點支流，是黃土高原侵蝕地區的典型流域。流域北部屬於乾旱區，南部屬於半乾旱區。20世紀90年代前，窟野河流域上游國家基本站東勝站、伊洛霍金站12月、1月、2月平均氣溫均低於-4℃;榆林、河曲站12月、1月份平均氣溫均低於-4℃，部分年份2月份低於-4℃;下游興縣氣象站1月份平均氣溫均低於-4℃，大部分年份12月、1月份平均氣溫低於-4℃。從1956～2006年實測徑流資料分析來看，最大平均月徑流量出現在8月份，之後逐月遞減至次年的2月份，3月份明顯增加;隨後又逐月遞減到6月份，然後又開始增加至每年最高8月份。3月份徑流量比鄰近月份徑流量明顯增大，可知窟野河流域3月份上游有一定的冰川融雪徑流匯入，且窟野河流域的融雪徑流在總徑流中佔一定比重，融雪徑流計算利用溫度指標模型對降水量進行修正^[62]，來計算經調節的有效降水。

P_eff(t)=nf(t){A(t-1)+Pn(t)}

其中，

變環境條件下的水資源保護與可持續利用研究

式中:nf(t)為第t月的融雪系數;A(t)為第t月的積雪;Pn(t)為第t月實測降水;P_eff(t)為第t月有效降水;T(t)為第t月平均氣溫;T_n為固體降水臨界溫度-4℃;T_m為液態降水臨界溫度+4℃^[85]。

(2)實際蒸發量

當流域降水比較豐富時，土壤中濕度比較大，空氣濕度也比較大，故實際蒸發值與觀測值的反差不是很強烈;當降水比較少時，空氣中水分不飽和系數比較大，蒸發皿觀測值很大，然而同時因土壤濕度也很低，可供蒸發水量少，實際蒸發值也很低，致使實際蒸發量與蒸發皿觀測值的反差也很大。假設流域處在長期的水量平衡中，那麼實際蒸發量和蒸散發能力的比值是降水量與蒸散發能力比值的函數，採用Schreiber公式:

變環境條件下的水資源保護與可持續利用研究

式中:E_s(t)代表流域實際蒸發值;E_c(t)代表流域蒸散發能力;P_eff(t)代表降水量。

本節用Schreiber公式乘以一個系數來計算月實際蒸發量:

變環境條件下的水資源保護與可持續利用研究

式中:E_s(t)代表流域實際蒸發量;E(t)代表月蒸發皿觀測值;P_eff(t)代表月降水量;系數a₁是模型的第一個參數。

(3)月徑流量的計算

當降水量不為零時，月徑流量Q(t)主要與該月土壤中凈含水量S(t)(即扣除蒸發之後的剩餘水量)和降水量P_eff(t)有著十分密切的關系;S(t)越大，水分流出土壤的可能性越大，則徑流量越大;降水量越大，徑流量也越大。經分析，發現Q(t)與P_eff(t)和S(t)的關系可用式(6.6)來表示

變環境條件下的水資源保護與可持續利用研究

當降水量為零時，月徑流量Q(t)主要與土壤凈含水量S(t)有關，存在

變環境條件下的水資源保護與可持續利用研究

在模型運行計算中，首先根據式(6.3)計算實際月蒸發量，然後根據水量平衡原理計算月初土壤含水量，再根據式(6.4)或者式(6.5)計算月徑流量。即第(t+1)個月初土壤含水量S(t)為

S(t)=S(t-1)+P_eff(t)-E_s(t)-Q(t)(6.6)

式中:Q(t)為月徑流量;S(t-1)為月初土壤含水量;E_s(t)代表流域實際蒸發;b₁為模型的第二個參數;c₁為模型第三個參數;q為基流，可通過分析枯水期的徑流來確定。

(4)基流的計算

基流為來源於地下水或是其他延遲部分的徑流^[92]，主要受土壤的分布和下滲特徵、含水層的特徵、補給流域的速度頻率、植被的空間分布、地形和氣候等因素影響。在水文過程線上為圖形中較低的部分，起伏變化較小。基流是令人關注和探索的目標，在降水徑流模擬中有著重要的地位。但到目前為止，由於無法通過實驗對徑流分割和水深劃分的結果進行科學論證，各種研究理論和方法存在較大爭議。這種爭議主要表現在對徑流水源的界定不一致所得的結果也不完全一致。

關於基流的說法很多，Hal將基流定義為來源於地下水或是其他延遲部分的徑流。VijayP.Slight等將基流定義為下滲水到達地下水面並注入河道的部分。總之，關於基流主要有以下幾方面:

1)補給河道徑流的地下水為基流，包括淺層地下水和深層地下水。

2)基於傳播時間，將徑流劃分為直接徑流和基流，基流主要是慢速壤中流和地下水，這一種劃分方法是基於傳播時間，而不是基於傳播路徑。

3)傳統水文學上將流量劃分為地表徑流，壤中流和地下徑流。而地下徑流又可分為快速(淺層)和慢速(深層)兩種，把地下徑流中的慢速(深層)徑流看作基流。這個徑流比較穩定，可取歷年枯水期的流量來確定。

月水量平衡模型在窟野河流域的應用，關於基流計算主要採用傳統的水文學上將流量過程劃分為地表徑流、壤中流和地下徑流的劃分方法，把慢速(深層)的地下徑流看作基流。因為這個流量比較穩定，可通過分析取其歷年最枯流量的徑流來確定。

對滿足一致性的水文序列隨機成分，可直接採用傳統的水文頻率計算方法。窟野河流域王道恆塔、新廟和溫家川站1956～2006年徑流量的隨機性成分進行頻率計算，採用約束加權適線法^[103]計算P-型頻率曲線的均值、變差系數C_v和偏態系數C_s，選取P=95%的徑流量作為最枯年徑流量，即基流值。圖6.16～圖6.18給出了王道恆塔、新廟、溫家川站基流計算頻率曲線圖及表6.12得出基流值。

圖6.16 王道恆塔徑流頻率計算圖

圖6.17 溫家川徑流計算頻率圖

圖6.18 新廟徑流計算頻率圖

表6.12 徑流頻率計算成果表

6.2.2.2 模型精度准則判別

(1)模型參數的率定

參數的率定又稱參數的優選，參數優化過程採用數學演算法，通過系統反復試驗迭代改變模型參數值的大小，使得流域特徵模擬值和試驗值的誤差最小。如平均模擬徑流和實測徑流擬合程度的定量方法是每個參數迭代之後計算目標函數，尋找目標函數達到最優的參數值。目標函數用來評價水文過程的不同特徵，目標函數選擇對優選結果至關重要，適當選擇目標函數在一定程度上決定了模型的擬合精度^[63]。最小二乘法是較早提出來的模型率定方法，即該目標函數可描述為

變環境條件下的水資源保護與可持續利用研究

式中:Q_i(t)為實測徑流量;Qsim_i(t)為模擬徑流量;n為樣本數。

用最小二乘法目標函數來率定模型，結果對徑流量模擬效果較好，而對水文過程中的峰值卻得不到較好的模擬效果。因此，一些學者又提出對數最小二乘法，其目標函數可描述為

變環境條件下的水資源保護與可持續利用研究

雖然式(6.8)在一定程度上克服了最小二乘法峰值模擬的缺點，但從兩個表達式本身來看，二者都不是標准化的，在參數率定的時候，只能得到給定條件下的最佳估算值，而並不一定是最完美的結果。為方便模型在流域內很好應用，Nash和Sutcliffe(1970)提出了一個標准化的評價標准(水文情報預報規范中確定系數)，即Nash和Sutcliffe效率系數，它能直觀地體現實測徑流量與模擬徑流量過程擬合程度的好壞，其公式為

變環境條件下的水資源保護與可持續利用研究

式中:

為率定期實測月徑流量過程的均值;其餘符號意義同前。

R_NS越大表示實測徑流量與模擬徑流量過程擬合越好，模擬精度越高，R_NS可以得到最大值1;一般情況下，該系數在0～1之間變化，若為負值，也就意味著還不如實測徑流量均值替代所模擬的徑流量。第二個目標函數是模擬徑流量和實測徑流量的多年平均相對誤差，即

變環境條件下的水資源保護與可持續利用研究

式中:Q_iy(t)為實測的平均年徑流量;Qysim_i(t)為模擬的平均年徑流量。

如果Nash和Sutcliffe模型效率標准越接近1，同時相對誤差越接近0，則說明模擬效果越好。對大尺度水文過程模擬，最優標准為Nash和Sutcliffe效率標准超過60%，相對誤差小於10%。

(2)模型檢驗

模型檢驗是繼參數率定之後分析的內容。當在一個流域上使用某一模型時，首先對參數率定，求出最優參數。此外，還需要另外一部分資料用於模型檢驗。資料一般選擇2～3年進行檢驗。降水-徑流模型中根據降雨情況模擬徑流序列，比較模擬和實測的徑流過程線，只有當二者擬合較好或在預定誤差范圍內時，模型才可以應用。另外，除對多年平均相對誤差檢驗，還考慮對極值進行檢驗，定義極值模型相對誤差檢驗Re_max為

變環境條件下的水資源保護與可持續利用研究

式中:Q_max代表實測徑流的最大值;Qsim_max代表模擬徑流的最大值。當R_NS越大，Re和Re_max越接近0時，則說明擬合的總精度越高。

綜上可知，每一個模型都包含不定數的中間狀態變數，月水量平衡模型中土壤含水量S(t)是表徵流域的中間狀態變數，在模型運行中，先給出初始值S(t-1)，然後根據水量平衡原理依次迭代本時段S(t-1)和下一個時段S(t)，一般初始值取最大土壤含水量的一半。由於中間變數初始值的影響，取序列的前2年作為預熱期。預熱期後的資料分為2個階段，第1階段作為率定期模型參數優選，本模型採用人工和計算機聯合優選，用式(6.9)優選模型參數;第2階段作為模型檢驗期，檢驗模型的外延效果，只有在率定期和檢驗期徑流量模擬滿足精度要求，才認為模型合格。

⑤ 請問蒸汽用量的計算方法

需要知道蒸汽的流量，一般可以在管道上安裝流量計，然後用使用時間去乘流量（一般是立方米/秒）就是蒸汽用量。
簡單的演算法,進水量減去排污量.進水量可以在進水管處裝水表,排污量可以按照進水量的3%計算.

⑥ 什麼是演算法 用計算機解題時起什麼作用

演算法可以理解為有基本運算及規定的運算順序所構成的完整的解題步驟。或者看成按照要求設計好的有限的確切的計算序列，並且這樣的步驟和序列可以解決一類問題。

計算機解題時就相當於你的思路，知道怎麼去解決問題，剩下的只有如何用代碼表達出來而已

⑦ 朱家岩隧道涌水BP網路模型分析

4.4.1 神經網路模型的發展

自Hebb提出的學習規則以來，人們相繼提出了各種各樣的學習演算法。目前，已發展了幾十種神經網路，例如Hopfield模型，Feldmann等的連接型網路模型，Hinton等的玻爾茨曼機模型，以及Rumelhart等的多層感知機模型和Kohonen的自組織網路模型等等。在這眾多神經網路模型中，應用最廣泛的是多層感知機神經網路。目前，神經網路中應用最廣的是前向多層神經網路的反傳學習演算法，即BP法，它最早是由Werbos於1974年提出來的，Rumelhart等人於1985年發展了反傳網路學習演算法，實現了Minsky的多層網路設想。數學上已經證明：一個前向三層神經網路可以實現任何非線性映射，可以逼近任何復雜的函數。

4.4.2 神經網路控制過程與岩溶隧道涌水過程的相似性

從結構上分析，涌水過程與人工神經網路（Artificial Network，簡稱ANN）是同構的。涌水過程是一個非線性系統，以降雨為輸入，涌水為輸出，從降雨到涌水，中間要經過復雜的過程，受到地形地貌條件、地層岩性、地質結構特徵及水文地質條件等多種因素的影響，各個環節形成一個相互制約、相互聯結的網路結構，而人工神經網路就是一個大型非線性動力系統，各神經元分層排列並互相聯結，因其聯結方式的不同形成不同的網路結構，如前饋網路，反饋內層互聯網路，反饋型局部聯結網路等。從概念上看，涌水機理研究就是利用觀測的相關資料，分析研究涌水量等水文要素的規律，而神經網路利用觀測歷史數據建立系統的數學模型，識別並估計系統參數從而掌握客觀水文規律。因此，神經網路可以在一定程度上用來解決涌水機理研究的問題。BP神經網路是人工神經網路中最為重要的網路之一，這種基於誤差反傳遞演算法的BP網路有很強的映射能力，可以解決許多實際問題，迄今為止，它的應用最為廣泛。

4.4.3 BP 神經網路的基本原理

BP神經網路是典型的多層網路，網路不僅有輸入層節點、輸出層節點，而且有隱含層節點。隱含層可以是一層，也可以是多層。當信號輸入時，首先傳到隱含層節點，經過作用函數後，再把隱含層節點的輸出信號傳播到輸出層節點，經過處理後給出輸出結果（圖4.11）。

圖4.11 神經網路拓撲結構示意圖

節點的作用函數通常選用Sigmoid型函數，其表達式為

岩溶地區地下水與環境的特殊性研究

網路的學習過程由正向傳播和反向傳播組成。在正向傳播過程中，輸入信號從輸入層經隱含層單元逐層處理，並傳向輸出層，每一層神經元的狀態隻影響下一層神經元的狀態。如果在輸出層不能得到期望的輸出，則轉入反向傳播，將輸出信號的誤差沿著原來的連接通路返回，通過修改各層神經元的權值，使得期望輸出與實際輸出的誤差信號最小。這種誤差信號一般採用平方型誤差函數，表達式為

岩溶地區地下水與環境的特殊性研究

對於只含有一層隱含層的BP網路模型來說，假設有p個樣本，輸入層、隱含層、輸出層的神經元數分別為l，m，n；每個學習樣本由輸入x=（x₁，x₂，…，x_n）及期望輸出t=（t₁，t₂，…，t_n）組成；隱含層輸出為y=（y₁，y₂，…，y_m）；輸出層輸出為

=（

，

，…，

）；W_ij為輸入層節點i到隱含層節點j的權值；W_jk為隱含層節點j到輸出層節點k的權值；H_j為隱含層節點j的閾值；H_k為輸出層節點k的閾值；E_k為第k個樣本誤差；E為總誤差。則BP網路的演算法可簡述如下：

1）為權系數W_ij、W_jk與閾值H_j和H_k設置初值，一般為較小隨機數。

2）將隨機調用的一個學習樣本（x₁，x₂，…，x_n，t₁，t₂，…，t_n）輸入主程序。

3）求隱含層節點j的輸入值net_j及相應節點的輸出y_j，即

岩溶地區地下水與環境的特殊性研究

y_j=f（net_j）（4.20）

節點的作用函數為Sigmoid型函數，

岩溶地區地下水與環境的特殊性研究

4）求輸入層節點k的輸入值net_k與相應節點的輸出

岩溶地區地下水與環境的特殊性研究

5）求輸出層節點k的參考誤差δ_k

岩溶地區地下水與環境的特殊性研究

6）求隱含層節點j的參考誤差δ_j

岩溶地區地下水與環境的特殊性研究

7）調整隱含層節點j到輸出層節點k的權值W_jk和閾值σ_k

W_jk=W_jk+η₁·δ_k·y_j，η₁∈（0，1）（4.26）

σ_k=σ_k+η₂·δ_k，η₂∈（0，1）（4.27）

8）調整輸入層節點i到隱含層節點j的權值W_ij和閾值θ_j

W_ij=W_ij+η₁·δ_j·x_j，η₁∈（0，1）（4.28）

θ_j=θ_j+η₂·δ_j，η₂∈（0，1）（4.29）

9）調用下一個學習樣本，返回步驟（3）重復學習，直到收集的樣本全部參與學習；

10）計算E_k、E，使得總誤差E小於某一規定的精度值，則保留權值和閾值，學習過程結束；否則轉到步驟（2），重新學習，

岩溶地區地下水與環境的特殊性研究

岩溶地區地下水與環境的特殊性研究

為了加快網路的學習速度，不導致學習產生震盪，避免結果陷入局部最小，在調整權值和閾值時加入動量項：

W_ij（N+1）=W_ij（N）+η₁·δ_j·x_j+a·[W_ij（N）-W_ij（N-1）]（4.32）

式中：N為迭代次數；a為動量項系數。

4.4.4 隱含層神經元個數的確定

隱含層起抽象的作用，即它能夠從輸入樣本中提取特徵。增加隱含層可以增加神經網路的處理能力，但是同時也會增加訓練的復雜度和訓練時間。1988年Cybenko指出一個隱含層就可以實現任意判決分類問題，兩個隱含層就可以表示輸入圖形的任意輸出函數。

相對於隱含層數的選擇，隱含層神經元個數的選擇更為復雜。其復雜的原因在於目前為止還沒有明確的方法可以計算出實際需要使用的隱含層神經元個數。所有關於隱含層神經元個數選擇的建議都是基於經驗的。隱含層神經元的個數少時，會造成局部極小點多，難以訓練，容錯性差。而隱含層神經元個數多時又增加了網路的復雜度和訓練時間，其誤差也不一定最佳。Hecht-Nielsen 認為在輸入神經元數為N，隱含層神經元數為2N+1時，使用單隱含層的神經網路可以實現輸入的任意函數。

將嘗試著利用流量衰減分析和物理模擬的結果來指導隱含層神經元個數的選取。

4.4.5 朱家岩隧道涌水過程的BP 網路模型分析

4.4.5.1 研究區隧道涌水過程概化

研究區地下水主要補給來源是雨水；三級檯面的地表分水嶺為研究區補給邊界；西面隧道出口地帶的漁泉溪，東面隧道進口處的干溝及南面的沿溪河流，為排泄地下水邊界，分水嶺補給邊界與排泄邊界，組成了該區水文地質單元邊界條件。三級檯面為補給區，四級、五級檯面為補給、徑流區，排泄區不明顯。研究區排泄基準面以上無隔水層存在，對排泄點不存在層制現象，所以研究區岩溶水系統類型為基控-侵蝕類型。

岩溶隧道的涌水過程極其復雜，從降雨到涌水，中間要經過蒸散發、下滲等環節，受到地形、地貌、下墊面、土壤地質以及人類活動等多種因素的影響。我們可以將一個隧道復雜的涌水過程概化為涌水系統，該涌水系統的性能可以通過其主要影響因素體現出來，而其中物理參數的次要特性以及物理參數精度的空間分布可以忽略，從而使問題得以簡化。

BP神經網路是一個非線形系統，可以用於逼近非線形映射關系，也可以用於逼近一個極為復雜的函數關系。

對於研究區岩溶管道水系統來說，其一定時段內的水量平衡方程如下：

Q=P-E±ΔS（4.33）

式中：Q為隧道涌水量；P為降水量；E為蒸散發量；ΔS為地下水儲量的變化量。

即可得出：

Q=f（P，E，ΔS）（4.34）

這是一個非常復雜的映射關系，可以將之概化為一個系統，利用BP神經網路，對之進行模擬逼近。

如前所述，從結構上來說，BP神經網路與隧道涌水系統是同構的。接下來，利用朱家岩隧道岩溶管道結構和BP神經網路結構進行類比分析，從而建立模型。

4.4.5.2 朱家岩隧道岩溶管道涌水的BP網路模型研究

（1）訓練樣本資料准備

神經網路岩溶管道涌水模型分為系統識別與模型應用兩個階段：前者精選已知的實測資料作為樣本來訓練網路識別參數，後者則應用訓練好的網路分析得到徑流模擬值。

一定時段內隧道的涌水量Q與該區域上的降雨量、蒸散發量以及地下水儲量的變化量有關，而其中地下水儲量的變化量與區域前期影響雨量以及本時段的降水量和蒸散發量有關，所以該變化量可以表示為該時段以及先前時段的降水量及蒸散發量的函數，故而可以進一步將Q表示為該時段及先前時段P、E的函數。在實際研究中，P通常為實測值，E因為主要與溫度、日照時間、雲量和濕度有關，所以E通常用溫度、濕度等量值來計算，因此，可以用一個系統來概化Q與前面提及的影響因素之間的復雜關系，建立系統模型。

本次模型參數識別、訓練採用了2005年4月29日～2005年11月25日宜昌氣象局日平均氣溫、日照時數和降雨量作為輸入資料，朱家岩隧道的涌水量作為輸出資料進行分析研究，其中將4月29日～7月9日、7月24日～11月25日共166組數據作為訓練樣本進行訓練學習，7月10日～7月23日的數據作為檢驗樣本用於對訓練成功的網路進行預測檢驗。

圖4.12為2005年4月29日～2005年11月25日總共180d的日降雨量（mm）、宜昌氣象局日平均氣溫（℃）和日照時數（h）以及涌水量（m³/d）。

岩溶地區地下水與環境的特殊性研究

岩溶地區地下水與環境的特殊性研究

岩溶地區地下水與環境的特殊性研究

圖4.12 研究區涌水量、平均氣溫、日照時數和降水量圖

（2）樣本數據的預處理

由於BP網路的輸入層物理量及數值相差甚遠，為了加快網路收斂的速度，在訓練之前須將各輸入物理量進行預處理。數據的預處理方法主要有標准化法、重新定標法、變換法和比例放縮法等等。本研究所選用的是一種最常用的比例壓縮法^[4]，公式如下：

岩溶地區地下水與環境的特殊性研究

式中：X為原始數據；X_max、X_min為原始數據的最大值和最小值；T為變換後的數據，也稱之為目標數據；T_max、T_min為目標數據的最大值和最小值。

由於Sigmoid函數在值域[0，0.1]和[0.9，1.0]區域內曲線變化極為平坦，因此合適的數據處理是將各輸入物理量歸至[0.1，0.9]之間。將每個樣本輸入層的6個物理量進行歸一化處理：

岩溶地區地下水與環境的特殊性研究

BP網路的演算法對訓練樣本的順序有很強的敏感性，按隨機數隨機排列樣本的次序，有助於加快網路訓練的速度。

（3）網路訓練與模擬

已經將輸入樣本的個數定為6個，但是對於隱含層神經元個數的選擇，到目前為止還沒有明確的方法可以計算出實際需要使用的隱含層神經元個數，在選擇時通常是採用試算的方法^[5]。雖然現今的BP神經網路還是一個黑箱模型，其參數沒有水文物理意義^[6]，但從結構上分析，涌水過程與ANN是同構的。對於一個岩溶地下水系統，在一次降水之後，水流通過下滲進入到地下，經過多個裂隙、溶隙、管道，最後匯集到突水點，在這過程中，各個裂隙、溶隙、管道都有其相應的蓄水容量等閾值，而降水是其輸入，涌水量是其輸出，這類似於人工神經元模型中的閾值、激活值、輸出等器件。研究區域管道發育程度有三個級別，在一次降水之後，地下水流經過3條岩溶通道（裂隙、溶隙、管道）的蓄積後在隧道經過涌水排出，這一過程可以與BP神經網路結構進行類比，其中3條岩溶通道（裂隙、溶隙、管道）相當於隱含層中的3個神經元，各通道的蓄水容量相當於隱含層中人工神經元的閾值，涌水量相當於輸出值，從整體上來說，BP神經網路的結構已經灰箱化。

在以上類比的設想下，將隱含層中的神經元個數定為3個，採用6-3-1的網路結構（表4.5；圖4.13）。

圖4.13 BP網路模型示意圖

表4.5 BP網路模型參數一覽表

定義系統目標精度為0.0005，誤差公式是對訓練出網路的輸出層節點和實際的網路輸出結果求平方差的和。最大訓練次數取5000次，如果到達最大訓練次數網路還未達到目標精度，程序退出。已經確定網路的輸入層神經元數目為6，隱含層神經元數目為3，輸出層神經元數目為1。訓練演算法選取附加動量法。激活函數選取Sigmoid。

程序執行5000次後BP網路模型訓練成功。網路映射值與實測值的相關關系見圖4.14。

圖4.14 網路映射值與實測值相關關系

將用來檢驗的7月10～23日的數據作為輸入層數據輸入已經訓練好的BP網路模型，然後將其輸出值與同期的實測資料進行對比，其分析結果見圖4.15。

圖4.15 涌水量實測值與BP網路計算值比較

從圖4.15可以看出，用BP網路模擬的涌水量中，7月10日～7月23日中涌水量變化大體一致，模擬情況較好，證明了流量衰減分析和物理模擬結果的可靠性。

應用確定性系數分析方法對模型精度進行評定，確定性系數dy表達式如下：

dy=1-S²/σ²（4.37）

岩溶地區地下水與環境的特殊性研究

岩溶地區地下水與環境的特殊性研究

式中：S為模型計算值與實測值之差的均方差；σ為實測值的均方差；y_i為實測值；y為模型計算值；

為實測值的均值；n為檢驗樣本數。

dy值越大，表明模型計算精度越高。經計算，基於BP網路的朱家岩隧道涌水模型的確定性系數為0.9805，符合模型精度要求。

將此降水量值輸入已經檢驗好的BP網路模型，求得最大涌水量為12850m³/d。

⑧ 對於LNG液化天然氣儲罐如何計算放散量儲罐壓力放散前後壓力由1.07Mpa降至1.03Mpa，儲罐液體溫度為-137

知道儲罐內液體體積，儲罐容積，可以算出氣相空間體積，由公式P1V1/T1=P2V2/T2，可知，1.07v1/儲罐內氣體溫度=0.1v2/273.15，1.03v1/儲罐內氣體溫度=0.1v3/273.15，，假設儲罐當前氣相空間為30，可以算的 v2=10.7*30*273.15/儲罐內氣體溫度 v3=10.3*30*273.15/儲罐內氣體溫度，放散氣體質量 （v2-v3）/1.44，因為無法測定儲罐內氣體溫度，所以沒法算。舉例，當氣體溫度為-100度時，v2=506 v3=487，放散量：19/1.44=13kg，溫度為-80度時 v2=454，v3=437，放散量：17/1.44=12KG，0度時，近似8kg，因此當儲罐氣相空間為30方時，由 1.07降壓至1.03放散量大約為10kg，理論算來是這樣，但根據我的經驗來看，放散量會大於理論量。可以一起討論lng相關問題，網路用戶名就是我的qq

⑨ 確定地下水蒸發量方法

直接法、間接法、遙感方法、生物量法、基於職務蒸散發量法、水量均衡法等。
具體每種方法裡面都有不同演算法，如直接法有面積定額法、彭曼公式、實測法等。演算法的選擇需要根據不同地區條件和資料水平進行選擇，以及精度要求。