(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211405512.7 (22)申请日 2022.11.10 (71)申请人 中国长江三峡集团有限公司 地址 100038 北京市海淀区玉渊潭南路1号 (72)发明人 刘肖廷　庞国飞　任实　赵汗青　 张成潇　戴会超　米博宇　吕超楠　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 李芃和 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/06(2020.01)G06F 111/10(2020.01) (54)发明名称 一种泥沙模 型参数优化、 泥沙输移过程模拟 方法及装置 (57)摘要 本发明提供了一种泥沙模型参数优化、 泥沙 输移过程模拟方法及装置， 其中， 泥沙模型参数 优化方法包括： 结合第一初始神经网络模型、 第 二初始神经网络模型、 水沙模型建立优化目标函 数， 水沙模 型中的恢复饱和系数和糙率是通过第 二初始神经网络模型确定的； 求解优化目标函 数， 对第一网络模型参数和第二网络模型参数进 行优化， 得到使得优化目标函数的值最小的第一 网络模型优化参数和第二网络模 型优化参数； 将 包含有第二网络模型优化参数的第二初始神经 网络模型确定为恢复饱和系数和糙率双参数优 化模型。 利用本发明实施例提供的方法优化得到 的恢复饱和系数和糙率双参数优化模型确定的 恢复饱和系数和糙 率更符合实际物理过程。 权利要求书2页 说明书8页 附图2页 CN 115526120 A 2022.12.27 CN 115526120 A 1.一种泥沙模型参数优化方法， 其特 征在于， 包括如下步骤： 结合第一初始神经网络模型、 第 二初始神经网络模型、 水沙模型建立优化目标函数， 所 述水沙模型中的水沙参数是通过所述第一初始神经网络模型确定的， 所述水沙模型中的恢 复饱和系数和糙率是通过所述第二初始神经网络模型确定的， 所述优化目标函数是根据各 水沙模型的模拟残差的和 确定的； 求解所述优化目标函数， 对第一网络模型参数和第二网络模型参数进行优化， 得到使 得所述优化目标函数的值最小的第一网络模型优化参数和 第二网络模型优化参数， 所述第 一网络模型为所述第一初始网络模型中的参数， 所述第二网络模型参数为所述第二初始网 络模型中的参数； 将包含有所述第二网络模型优化参数的第二初始神经网络模型确定为恢复饱和系数 和糙率双参数优化模型。 2.根据权利要求1所述的泥沙模型参数优化方法， 其特 征在于， 所述水沙模型的模拟残差包括水流连续方程的残差、 水流运动方程的残差、 泥沙连续 方程的残差、 河 床变形方程的残差 。 3.根据权利要求1或2所述的泥沙模型参数优化方法， 其特征在于， 所述第一初始神经 网络模型确定的水沙参数包括 流量和水位， 所述优化目标函数还包括第 一初始神经网络模型输出的流量对实际流量的逼近误差， 以及第一初始神经网络模型输出的水位对实际水位的逼近误差 。 4.根据权利要求1或2所述的泥沙模型参数优化方法， 其特征在于， 水沙模型的模拟残 差包括： 其中， e1表示水流连续方程的残差， e2表示水流运动方程的残差， e3表示泥沙连续方程 的残差， e4表示河床变形方程的残差， B表示水面宽， Zs表示水位， Qs表示流量， t表示时间， x 表示空间， qL表示单位河长上的旁侧入流流量， A表示水断面面积， g表示重力加 速度， njs表 示糙率， R表示水力半径， Ss表示断面含沙量， αjs表示恢复饱和系数， ω表示泥沙沉速， SL表 示旁侧入流的含沙量， S*表示水流挟沙力， ρs’表示河床表面泥沙干密度， Zbs表示床面高程， Gb表示推移质输沙率， 其中， Zs＝Zs(x,t； θu)， Qs＝Qs(x,t； θu)， njs＝njs(x； θp)， Ss＝Ss(x,t； θu)， Zbs＝Zbs(x,t； θu)， ajs＝ajs(x； θp)， θu表示第一网络模型参数， θp表示第二网络模型参 数。 5.一种泥沙 输移过程模拟方法， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115526120 A 2将目标河道划分为多个河段， 获取 各河段的来水来沙数据； 基于各河段对应的恢 复饱和系数和糙率双参数优化模型， 确定各河段的恢 复饱和系数 和糙率， 所述恢复饱和系数和糙率双参数优化模型是根据权利要求1 ‑4中任一项所述的泥 沙模型参数优化方法确定的； 将各河道的所述来水来沙数据和所述恢 复饱和系数和糙率分别 输入至水沙模型中， 得 到所述目标河道的泥沙 输移过程。 6.根据权利要求5所述的泥沙 输移过程模拟方法， 其特 征在于， 当前时刻河段的水沙模型输入数据还包括相邻上游河段在上一时刻的水沙模型输出 数据。 7.一种泥沙模型参数优化装置， 其特 征在于， 包括： 优化目标函数建立模块， 用于结合第 一初始神经网络模型、 第二初始神经网络模型、 水 沙模型建立优化目标函数， 所述水沙模型中的水沙参数是通过所述第一初始神经网络模型 确定的， 所述水沙模型中的恢复饱和系数和糙率是通过所述第二初始神经网络模型确定 的， 所述优化目标函数 是根据各 水沙模型的模拟残差的和 确定的； 网络参数优化模块， 用于求解所述优化目标函数， 对第一网络模型参数和第二网络模 型参数进 行优化， 得到使得所述优化目标函数的值最小的第一网络模型优化参数和第二网 络模型优化参数， 所述第一网络模型为所述第一初始网络模型中的参数， 所述第二网络模 型参数为所述第二初始网络模型中的参数； 优化模型确定模块， 用于将包含有所述第 二网络模型优化参数的第 二初始神经网络模 型确定为所述恢复饱和系数和糙 率双参数优化模型。 8.一种泥沙 输移过程模拟装置， 其特 征在于， 包括： 数据采集模块， 用于将目标河道划分为多个河段， 获取 各河段的来水来沙数据； 参数确定模块， 用于基于各河段对应的恢复饱和系数和糙率双参数优化模型， 确定各 河段的恢复饱和系数和糙率， 所述恢复饱和系数和糙率双参数优化模 型是根据权利要求 1‑ 4中任一项所述的泥沙模型参数优化方法确定的； 模拟模块， 用于将各河道的所述来水来沙数据和所述恢 复饱和系数和糙率分别输入至 水沙模型中， 得到所述目标河道的泥沙 输移过程。 9.一种计算机设备， 其特 征在于， 包括： 至少一个处理器； 以及与所述至少一个处理器通信连接的存储器； 其中， 所述存储器存 储有可被所述至少一个处理器执行 的指令， 所述指令被所述至少一个处理器执行， 从而执 行如权利要求 1‑4中任一项 所述的泥沙模 型参数优化方法， 或， 如权利要求5或6所述的泥沙 输移过程模拟方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使所述计算机执行如权利要求1 ‑4中任一项所述的泥沙模型参数 优化方法， 或， 如权利要求5或6所述的泥沙 输移过程模拟方法。权　利　要　求　书 2/2 页 3 CN 115526120 A 3