350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №9 за 2012 г.
Статья в номере:
Применение нейросетевых методов для решения обратных задач гидродинамики рек
Ключевые слова: нейросетевые методы система уравнений Сен-Венана обратные задачи метод Левенберга-Марквардта гидрологическое моделирование гидрологическое прогнозирование регуляризация
Авторы:
П.В. Скрибцов - к.т.н., ген. директор, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru П.А. Казанцев - к.т.н., руководитель группы разработчиков, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru М.А. Червоненкис - вед. разработчик, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru
Аннотация:
Рассмотрен подход, позволяющий объединить методы решения обратных задач гидродинамики рек и нейросетевые методы. Результатом проведенных исследований является - гибридный нейросетевой метод решения задач восстановления геометрических и гидравлических характеристик русла рек. Разработаны нейросетевые постановки задач и алгоритмы обучения соответствующих нейронных сетей. Выведен вид регуляризационных процедур. Полученные нейросетевые аппроксимации характеристик русла реки позволяют осуществить моделирование движения воды в реках на основе прямого решения системы уравнений Сен-Венана.
Страницы: 29-34
Список источников
  1. Романов А. В. Обратные задачи математического моделирования неустановившегося движения воды в реках. М.: Научный мир. 2008.
  2. Грушевский М. С. Неустановившееся движение воды в реках и каналах. Л.: Гидрометеоиздат. 1982.
  3. Hsu, K., Sorooshian, S., Gupta, H. V., Gao, X., and Imam, B., Hydrologic Modelling and Analysis Using A Self-Organizing Linear Output Network. Proceedings of International Environmental Modelling and Software Society (iEMSs 2002),  24-27 June 2002. Lugano. Switzerland. V. 2. P. 172.
  4. Toth, E. and Brath, A., Proceedings of International Environmental Modelling and Software Society (iEMSs 2002).  24-27 June 2002 Lugano. Switzerland. V. 2. P. 166.
  5. Werbos, P. J., Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences. PhD thesis. Harvard University. 1974.
  6. Rumelhart, D. E.,Hinton, G. E., Williams, Ronald J. (8 October). Learning representations by back-propagating errors. // Nature. 1986. 323 (6088). Р. 533-536.
  7. Snyman, J. A., Practical Mathematical Optimization: An Introduction to Basic Optimization Theory and Classical and New Gradient-Based Algorithms. Springer Publishing. 2005.
  8. Kenneth Levenberg, A Method for the Solution of Certain Non-Linear Problems in Least Squares. // The Quarterly of Applied Mathematics 2: 1944. Р. 164-168.
  9. Donald Marquardt, An Algorithm for Least-Squares Estimation of Nonlinear Parameters // SIAM Journal on Applied Mathematics. 1963. 11(2). Р. 431-441.
  10. Gill, Ph. E. and Murray, W., Algorithms for the solution of the nonlinear least-squares problem. // SIAM Journal on Numerical Analysis 15 (5). 1978. Р. 977-992.