Page 41 - 2022年第53卷第3期
P. 41

图 5  典型积水点分布图

                                 表 1  2018.8.29 大暴雨内涝积水点实测积水深度和模拟积水深度对比表
                                                                实测最大积水        模型模拟最大
                     序号                   积水内涝点                                              模拟误差/%
                                                                   深度/cm      积水深度/cm
                      1              创盛路新能源产业园(A)                   40           39.8           0.5
                      2                塘朗工业区 B 区(B)                 50            47             6
                      3                 红岭中学桥洞(C)                   100          97.5           2.5
                      4                  金盾剧院(D)                    40           42.9           7.25
                      5                 布心花园一区(E)                   20           20.2            1
                      6                金鹏物流园 B 区(F)                 35           34.9           0.29
                                           平均误差                                 2.92


                                             [28]
                   BP 神经网络模型由 Rumelhart         首次提出的,是目前最成熟也是应用最广泛的神经网络模型之
               一,只要有足够多的隐含层和隐节点,就可以以任意的精度逼近非线性映射关系                                       [29] 。BP 神经网络结
               构主要分为输入层、隐含层和输出层                 [30-31] ,模型结构图如图 6 所示。

                                      输入层    隐含层 1   隐含层 2       隐含层 s      输出层











                                       k 个    n 1个    n 2个         n s个      m 个

                                                         s 层

                                                  图 6  BP 神经网络模型结构图
                   如图 6 所示,该模型有 k 个输入值,s 个隐含层,每个隐含层的神经元分别为n ,n ,…,n 个,
                                                                                           1   2       s
               输出层有 m 个输出值。输入向量为X ={x x x },各层的权值和阈值为ω和b,输出层的输出结果
                                                    1  2    k
                                                                 }
               为Y ={y y y },模型的期望输出为O = {o o o ,模型期望输出O 和Y 之间的误差值De。
                      1  2    m                        1  2     m


                                                                                               — 289  —
   36   37   38   39   40   41   42   43   44   45   46