张凯　马原飞　张晓萍

摘 要：为了更加精确的分析闸坝下局部冲刷深度的问题，本文建立了基于广义回归（GRNN）神经网络的闸坝下局部冲刷深度预测模型，并利用前人的数据在MATLAB软件里进行了训练，结果表明：该模型能较为准确预测出闸坝下局部冲刷深度，且运算速度快，对工程设计有较高的推广和运用价值。

关键词：闸坝；局部冲刷；GRNN神经网络；预测模型

目前，修建的闸坝都具有一定的落差，导致下泻水流的流速很大，并且携带着较大的能量，如果这些能量得不到消散，就会对河床以及河岸造成冲刷，形成冲刷坑，从而影响闸坝的稳定和安全的运行。闸坝下冲刷深度的预测是一个很重要的课题，到目前为止，预测闸坝下冲刷深度的方法包括现场观测、模型试验、经验公式和数值模拟，其中以经验公式应用最为广泛，计算闸坝下局部冲刷深度的公式已多达数十个[1]。但是由于各公式选取的理论基础不一样，导致公式的形式与适用范围也相差较大。

神经网络具有自学习、联想存储、高速寻求最优解等特点，并且还有极强的非线性映射能力[2]，使用其來预测闸坝下局部冲刷深度是一个不错的方法。本文在前人的研究基础上，建立了基于广义回归（GRNN）神经网络的闸坝下局部冲刷深度预测模型，通过训练，该模型具有较高的精度。

1 广义回归（GRNN）神经网络模型

1.1 模型的结构

广义回归神经网络是建立在数理统计基础上的径向基函数网络，其理论基础是非线性回归分析。……