基于matlab的神經(jīng)網(wǎng)絡(luò)洪峰預(yù)測(存儲版)
【正文】 討。（1）假設(shè)上下游水位站水位等時(shí)間間隔為J的序列為{}和{}，t=1,2，?，為了建立徑流洪水水位預(yù)報(bào)人工神經(jīng)網(wǎng)絡(luò)模型，可按如下方法建立模式對?？紤]到輸入單元數(shù)據(jù)的規(guī)范化是在過去已有數(shù)據(jù)基礎(chǔ)上進(jìn)行的，為了顧及到在預(yù)測階段可能的超過歷史洪峰的情況，這里把輸入單元的數(shù)據(jù)規(guī)范在0．2到0．8之問，具體規(guī)范化方法如下。在預(yù)報(bào)過程中，分別就=3，4，…20小時(shí)，=6，=0,1，…，6，q=1等情況進(jìn)行了計(jì)算。(4)預(yù)見期越長效果越差。本文所總結(jié)的結(jié)論有待進(jìn)一步深入分析和檢驗(yàn)。當(dāng)=0時(shí)，亦即人工神經(jīng)網(wǎng)絡(luò)模型輸入單元全取為下游當(dāng)?shù)厮粫r(shí)，的值雖然不及==3情況好，但即使預(yù)報(bào)18小時(shí)后的水位精度都可以達(dá)到《水文情報(bào)預(yù)報(bào)規(guī)范》(SL2502000)的乙等標(biāo)準(zhǔn)。直接針對整體誤差作為人工神經(jīng)網(wǎng)絡(luò)模型目標(biāo)函數(shù)的訓(xùn)練算法，將以后給出研究。3．2．3輸入單元數(shù)據(jù)的規(guī)范化從文獻(xiàn)[58]可知，由于利用S(x)=1(1+)作為人工神經(jīng)網(wǎng)絡(luò)的映射函數(shù)，則當(dāng)較大時(shí)，S(x)非常接近于0或1，從而引起S’(x)=S(x)(1一S(x))的值非常接近于0，導(dǎo)致人工神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練時(shí)收斂速度過慢。又由于利用當(dāng)?shù)氐臅r(shí)間序列建模，也可以得到較好的預(yù)報(bào)結(jié)果，因此在做洪水水位預(yù)報(bào)時(shí)，當(dāng)?shù)剡^去時(shí)刻的水位過程也是重要的影響因子。人工神經(jīng)網(wǎng)絡(luò)模型由于不需要事先針對具體問題給出模型結(jié)構(gòu)，以及不需要根據(jù)具體某個(gè)模型去設(shè)計(jì)參數(shù)的優(yōu)化算法，已被人們廣泛地用于解決各種實(shí)際問題。我國開展徑流洪水預(yù)報(bào)工作也比較早。 三層BP網(wǎng)絡(luò)結(jié)構(gòu)模式順傳播過程是由輸入模式提供給網(wǎng)絡(luò)的輸入層開始的．輸入層各個(gè)單元對應(yīng)于輸入模式向量的各個(gè)元素．設(shè)輸入模式向量為: ,k=1,2…m。如果網(wǎng)絡(luò)模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，在預(yù)測數(shù)據(jù)上表現(xiàn)不佳，則稱為過擬合；反之，則稱網(wǎng)絡(luò)具有很好的泛化能力。并且一般徑流洪水水位預(yù)報(bào)模型的建立，在不考慮下游回水情況下，都要利用上游水位(假使可以通過測量得到)和當(dāng)?shù)厮恍畔?，在事先給出的可行預(yù)報(bào)模型框架結(jié)構(gòu)下，利用觀測到的一定時(shí)間序列氏度的數(shù)據(jù)，在某種沒定的目標(biāo)函數(shù)下，優(yōu)化計(jì)+算出模型參數(shù)，然后利用這個(gè)模型去推測未來時(shí)刻的洪水水位。馮平[30]等采用灰色系統(tǒng)理論中灰關(guān)聯(lián)度分析方法，對枯水期徑流量的預(yù)估模式進(jìn)行了探討。Philip B[25]利用NEXRAD雷達(dá)在休斯敦和德克薩斯州的布雷灣分水嶺進(jìn)行水文預(yù)報(bào)，結(jié)果表明特別是在T．S．Allison風(fēng)暴其問將會更有效。Gopakumaz R[21]等將多層感知機(jī)的神經(jīng)網(wǎng)絡(luò)用于卡拉拉邦的一些流域，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)通過不斷的學(xué)習(xí)記憶可以對像洪水預(yù)報(bào)這種復(fù)雜持久系統(tǒng)的仿真模擬。鐘登華等[15]提出了水文預(yù)報(bào)的時(shí)間序列神經(jīng)網(wǎng)絡(luò)模型，并指出探索利用輸入輸出數(shù)據(jù)進(jìn)行建模的方法是十分必要的。與此同時(shí)，國外的水文預(yù)報(bào)技術(shù)也有了突飛猛進(jìn)的變化。上世紀(jì)七八十年代獲得了流域水文模型的豐碩成果[1]。90年代，隨著計(jì)算機(jī)在水文預(yù)報(bào)領(lǐng)域中的推廣和水文模擬技術(shù)水平的提高，我國在水文預(yù)報(bào)方法、預(yù)報(bào)系統(tǒng)建設(shè)和新技術(shù)應(yīng)用等方面有了很大的提高。1998年我國長江中下游發(fā)大洪水，由于及時(shí)準(zhǔn)確的水文預(yù)報(bào)和防洪工程的作用，減少經(jīng)濟(jì)損失400多億元[1]。另外，本文采用《水文情報(bào)預(yù)報(bào)規(guī)范》中的確定性系數(shù)作為目標(biāo)函數(shù)，使得預(yù)報(bào)結(jié)果更加直觀。具體工作如下：針對洪水預(yù)報(bào)預(yù)測階段可能超過歷史洪峰的情況，在人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型中，留有(0,)和(,1)的預(yù)報(bào)空間，使得預(yù)報(bào)模型能夠順利預(yù)報(bào)出高于歷史洪峰的洪水水位。根據(jù)世界氣象組織在加拿大、日本、美國等國家的調(diào)研結(jié)果，及時(shí)準(zhǔn)確的洪水預(yù)報(bào)可以把洪水造成的損失減輕10％一15％。7080年代，開始對不同區(qū)域的降雨徑流關(guān)系進(jìn)行研究，同時(shí)成功地開展了流域水文模型的研究與應(yīng)用。隨著水文預(yù)報(bào)的廣泛開展和各地多年實(shí)踐經(jīng)驗(yàn)的積累，1950年后對洪水預(yù)報(bào)技術(shù)的研究主要是：根據(jù)洪水波動的理論對相應(yīng)水位法進(jìn)行改進(jìn)；對應(yīng)用河網(wǎng)總?cè)肓髁窟M(jìn)行洪水預(yù)報(bào)的研究；對河道洪水演算槽蓄曲線的研究以及對重點(diǎn)河段降雨徑流預(yù)報(bào)研究分析等。1990年后，隨著計(jì)算機(jī)在水文預(yù)報(bào)領(lǐng)域中的推廣應(yīng)用和水文模擬技術(shù)的提高，國內(nèi)的水文預(yù)報(bào)技術(shù)方法都取得了新進(jìn)展。吳超現(xiàn)等[14]認(rèn)為人工神經(jīng)網(wǎng)絡(luò)模型具有生物神經(jīng)網(wǎng)絡(luò)的一些特性，能夠“學(xué)習(xí)”，因此易于應(yīng)用在各種類型的流域系統(tǒng)；人工神經(jīng)網(wǎng)絡(luò)模型是高度非線性模型，能夠有效地模擬本質(zhì)為非線性的實(shí)際水文系統(tǒng)；人工神經(jīng)網(wǎng)絡(luò)模型在預(yù)報(bào)期和預(yù)報(bào)精度上較對比性模型(CAR,RWTL，AR)有明顯的優(yōu)越性。吳建華[20]等應(yīng)用一種在訓(xùn)練中包含有延遲功能的BP算法，針對現(xiàn)有洪水預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定的問題，建立了延遲神經(jīng)網(wǎng)絡(luò)。Collier CG[24l描述了在降雨測量和預(yù)報(bào)中雷達(dá)和遙感方面的發(fā)展，并指出利用雷達(dá)數(shù)據(jù)能提高預(yù)報(bào)的精確度。李正最[29]認(rèn)為灰色靜態(tài)模型GM(0，h)與多元線性回歸模型在模型形式與參數(shù)辯識、方法處理等方面是相同的，因此，兩種模型用于水文變量相關(guān)分析所得結(jié)果一致。在預(yù)報(bào)技術(shù)上主要是制定預(yù)報(bào)方案過程比較復(fù)雜，沒有方便強(qiáng)大通用的模型系統(tǒng)，預(yù)報(bào)方法單一等。利用神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí)，首先用訓(xùn)練樣本建立映射關(guān)系，然后用檢測樣本檢驗(yàn)網(wǎng)絡(luò)能否給出正確的輸入輸出的關(guān)系。BP網(wǎng)絡(luò)學(xué)習(xí)規(guī)則有時(shí)也稱廣義
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1