实时洪水预报方法综述

实时洪水预报方法综述杨小柳（中国水利水电科学研究院）引言历经半个世纪的发展，见诸文献的实时洪水预报方法多不胜数。本文依据现有方法的特点，将它们划分成不同的流派。这些流派分别在实时洪水预报技术发展的不同时期起到过重要作用，都具有自身的理论和技术特点；在...     

基于遗忘因子的BP神经网络水文实时预报方法

在应用神经网络进行洪水预报时,因洪水系统随着河道上游来流、区间降雨、河床演变等因素的动态变化,其特性并不总是按照基本相同的规律变化,对这类系统的参数辨识,要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。在BP神经网络模型的基础上,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态系统输入、输出数据间的映射关系。计算实例表明:该法对参数的快速时变具有较快的跟踪能力和较高的辨识精度,是一种非常实用的水文实时预报方法。     

冲击地压预测的遗传神经网络方法

根据重庆市南桐矿务局砚石台煤矿的生产技术条件和开采地质条件,针对传统方法预测冲击地压存在的弊端,运用BP人工神经网络和遗传算法相结合的方法,通过改进激励函数来缩短训练时间,并利用给权值加入动量项和变速率学习方法,减少学习中的振荡,来对该矿冲击地压预测进行研究。工程实际应用表明,该方法能有效的确定网络结构和训练参数,并可以很好地应用在相关工程上。     

深基坑工程变形预报神经网络法的初步研究

提出了深基坑变形预报的人工神经网络法,详细介绍了该方法的建模和应用实例。预报结果与实测值较为吻合,从而表现在深基坑工程中利用该方法进行变形预报是可行的。     

漳河灌区实时灌溉预报研究

介绍了逐日参考作物蒸发蒸腾量和实际作物蒸发蒸腾量的分析计算与预测方法,提出了水稻需水量预测和实时灌溉预报的通用模型,并对实时灌溉预报的方法、步骤以及所需的实时资料进行了讨论.所提出的计算机程序手段先进,实用方便,通用性强.     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

基于网格技术的实时洪水预报建模系统

针对目前实时洪水预报建模过程中出现的数据获取难和计算力不足的情况,提出了基于网格技术进行建模的方法,以期通过网格技术实现信息的动态共享和计算力的有效整合。阐述了在网格环境下的建模体系结构,对任务解构、通信协议、调度算法等关键点做了详细说明。以渭河流域为例,对其进行实时洪水预报建模,证明了该方法的有效性。     

基于遗传神经网络的克钦湖叶绿素反演研究

叶绿素a浓度能够在一定程度上反映内陆湖泊水质情况。为实现对克钦湖水体叶绿素a浓度的监测,于2010年8月15日对克钦湖进行了现场光谱测量和同步采样。通过分析叶绿素a浓度和光谱数据之间的关系,建立基于反射比、人工神经网络和遗传神经网络的叶绿素a浓度估测模型。结果表明:利用R700nm/R670nm反射比建立的模型估测精度为R2=0.67;人工神经网络模型的估测精度较高,R2=0.882;将遗传算法引入神经网络之后,模型的估测精度进一步提高,R2达到0.956,将模型预测的结果与克里格内插法相结合对研究区的叶绿素a空间分布情况进行定量估测,发现北湖的叶绿素a浓度明显高于南湖,有由北向南逐渐递减的趋势,这为今后利用高光谱数据对克钦湖叶绿素a浓度大面积遥感反演提供了研究基础。     

嘉陵江流域三江汇流洪水联机实时预报研究

不直接描述嘉陵江流域三洪汇流存在的洪水顶托等复杂的物理过程，而是采用时变参数线性模型，由作者修正的一种自适应滤波水文实时预报方法进行参数在线识别，并分别研究集总输入和多输入两种情况，实现了洪水联机实时预报，结果表明，预报精度高，且模型简单，滤波参数稳定，便于推广使用。     

BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

大坝变形监测遗传神经网络模型

在简要介绍遗传神经网络的基本概念及学习步骤的基础上,分别对大坝坝顶径向水平位移、切向水平位移和大坝坝顶沉降量监测数据进行了训练和预测。结果表明,利用遗传算法特有的全局优化能力,可以较好地完成网络的学习,而且还减少了网络训练次数,缩短了网络训练时间。     

用径向基函数神经网络模型预报感潮河段洪水位

径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。     

岩土边坡稳定性预报的人工神经网络方法

阐述了经典边坡稳定分析方法的局限性,综合考虑了影响边坡稳定性的因素,建立基于人工神经网络的边坡稳定性预报方法。采用遗传算法优化神经网络的结构,以提高其非线性映射能力和泛化能力,从而,提高预报准确度。基于已有的工程实例训练所建立的神经网络,并对新的边坡稳定性问题进行了预报,预报结果表明,所建立的边坡稳定性预报方法具有较高的预报准确度。     

基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。     

煤矿立井井筒非采动破裂的人工神经网络预测

应用人工神经网络的基本原理,建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统,实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比,认为应用人工神经网络对立井井筒破裂时间的预测比较准确、实用。     

基于神经网络理论的三峡水库诱发地震预测研究

在地震地质背景研究的基础上,运用神经网络理论中改进的BP算法对三峡水库诱发地震强度进行了预测研究.预测结果表明,秭归盆地高桥断裂近库段有可能诱发Ms＞6.0级的地震,可能诱发4.5＜Ms＜6.0级地震的库段有庙河口-九湾溪、九湾溪-路口子断层沿线、瞿塘峡北岸库段、大宁河西岸近库段;仙女山断层沿线、高桥断裂灰岩区远库段、巴东以南灰岩区库段等;可能诱发3.0＜Ms＜4.5级地震的库段有巴东-官渡口砂页岩区、巴东以南灰岩区库段,其它库段均为Ms＜3.0级.     

一种基于遗传算法和BP神经网络的选星方法

在BDS/GPS组合定位中,选择空间位置最优的卫星组合是第一步,也是十分重要的一步.传统选星算法在选取最佳卫星组合过程中涉及大量的矩阵乘法和求逆运算,计算量大,定位实时性低.为解决快速选星定位问题,综合考虑定位精度和实时性要求,提出一种新的选星算法,该算法将BP神经网络和遗传算法相结合,并将几何精度因子(GDOP)作为判断定位精度高低的依据.将应用该算法得到的GDOP和运算时间与最小几何精度因子法所得对应结果进行比较,实验结果表明,该算法在大大减小了计算量的同时保证了定位精度,具有良好的实时性和可行性.     

用遗传神经网络分析泥石流活动性

泥石流是我国山区的主要地质灾害之一。影响泥石流活动性的因素十分复杂，并且具有随机性和模糊性。遗传神经网络结合了神经网络和遗传算法的优点，可以模拟学习和进化之间的交互作用，很适合用于分析泥石流活动性。文章简要讨论了遗传神经网络的原理，建立了泥石流活动性分析的遗传神经网络模型，并将该模型用于川藏公路沿线30条泥石流沟的活动性分析。网络的拓扑结构为(9，6，4，3)，即输入节点(评价指标)、第l隐含层、第2隐含层和输出接点(分析结果)分别为9、6、4、3。首先以其中25条泥石流沟作为样本对网络进行训练，训练时网络的连接权采用遗传算法进行自适应演化，待模型稳定后将其余5条泥石流沟的数据输入模型，计算它们的活动性，计算结果与实际观测基本相符，证明模型是可行的，各个参数的选取也是合适的。     

地铁深基坑支护的遗传神经网络位移反分析

针对目前已有的各种位移反分析方法存在的缺陷,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,提出了一种基于遗传神经网络进行深基坑支护的位移反分析方法。该方法改变了BP算法依赖梯度信息的指导来调整网络权值的方法,而是利用遗传算法全局性搜索的特点,寻找最合适的网络连接权和网络结构等来达到优化的目的。结合地铁深基坑支护位移计算,应用该方法对某一地铁深基坑土体的力学参数进行了反演。结果表明：将位移观测值作为网络输入数据,土体力学参数作为输出数据,在较大的解空间内,该位移反分析方法收敛速度快、解的稳定性好、反演结果精度高,是一种理想的位移反分析方法。最后,采用该软件结合一个工程实例实现了应用遗传神经网络进行的基坑支护位移反分析。     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。