人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。     

黄土孔隙性分类判别的人工神经网络方法

运用人工神经网络的一典型模型——“反向传播”神经网络,对洛川黄土孔隙性的实测数据进行了分析,建立了洛川黄土孔隙性预测的计算机智能专家系统。结果表明,神经网络方法性能良好,可望成为黄土孔隙性分类、判别的有效辅助手段。     

疏勒河昌马堡站年径流长期预报模型研究

通过分析疏勒河昌马堡站年径流变化规律,并将年径流系列按照频率25%及75%为界,划分成3种情况：即多水年Xi〉35.0,中水年24.5≤Xi≤35.0,小水年Xi〈24.5。计算其状态转移概率得出：年径流过程从某一状态转移至其他状态的可能性都有,但其转移概率的最大值达66.7%。由此可知,年径流的变化过程不仅有随机性,而且有很强的相依性。通过多年对站年径流预报工作的实践,经过各种方法的比较检验,认为建立年平均流量的时间序列组合模型,其逐年预报的精度较高,经过误差评定分析,该模型均为甲级方案,检验预报时性能较稳定,能对昌马堡站年平均流量进行有效预报,为疏勒河流域调水提供技术支撑。     

丹江口水库秋汛期长期径流预报

针对目前长期径流预报中物理成因考虑较少的问题,以丹江口水库为例,在分析影响径流物理背景的基础上,研究前期气象因子与水库秋汛期入库径流过程的相关关系,识别影响径流的大气环流与海温等物理因子,利用主成分分析法提取主要预报信息,建立了包含大气环流因子、海温因子等气象物理信息以及前期降雨、径流等水文信息作为预报因子集的三层BP神经网络预报模型.利用1956~2008年秋汛期9、10月入库径流量进行模拟与试报,并与仅采用前期降雨径流的预测模型进行了比较,结果显示基于物理成因分析的预测模型稳定性良好,模拟及试报精度较高,9、10月试报精度平均提高约30%,分别达到87.5%和75%,并对预报年份中的丰枯特征有较好的体现.     

基于OSR-BP神经网络的丹江口秋汛期径流长期预报研究

针对丹江口流域秋汛期(9、10月)径流长期预报,为了消除网络输入的复共线性与网络训练的过拟合现象,将最优子集回归(OSR)和BP神经网络进行耦合,综合考虑训练误差和检验误差,来确定网络训练的最佳训练次数和终止务件,在此基础上提出基于OSR-BP神经网络的径流长期预报技术,并对丹江口秋汛期入库径流量进行了模拟和试报,结果表明:建立的模型稳定性良好,不论模拟还是试报精度均令人满意,特别是对预报年份中的丰枯特征均具有较好的体现.     

人工神经网络在多金属成矿预测中的应用

本文运用人工神经网络的一种典型模型－“反向传播”模型，对鄂乐南地区44个铁帽进行了计算机识别，识别成功率达100％，结果表明，该方法性能良好，可望成为多金属成矿预测的一种有效的辅助手段。     

基于平均线性粒子群算法的人工神经网络在径流预报中的应用

人工神经网络具有很强的非线性处理能力,能够有效地模拟复杂的非线性径流预报过程。传统的基于BP训练算法的人工神经网络具有训练时间较长,容易陷于局部最优值等缺陷,本文对训练算法加以改进,分别使用平均线性粒子群,粒子群和BP算法来优化人工神经网络的各项参数,首先使用标准函数测试了3种算法的全局优化性能,然后用它们对三峡水库的入库径流进行预报,以比较它们的预报性能。结果表明,在3种算法中,平均线性粒子群算法全局寻优的速度最快,稳定性最高,基于平均线性粒子群算法的人工神经网络的径流预报的精度也最高。     

基于BP人工神经网络的枯水径流预报方案研究

介绍了BP人工神经网络的桔水径流预报方法,编制了锦屏一级水电站枯水径流预报方案.根据枯水径流预报方案的预报精度评定成果,总结了应用BP人工神经网络进行枯水径流预报的特点.研究表明基于BP人工神经网络的枯水径流预报方案能够满足水文情报预报规范,具有较好的实用性和可行性.     

人工神经网络在煤层对比判别中的应用

淮北煤田许瞳井田主要含煤地层为二叠系,自上而下共有10个煤组,其中5煤组为主要勘探对象。5煤组有1~3个分层,自上而下为5₁、5₂和5₃。5₃由一至数层煤线组成,特征明显,是判别5煤组的主要标志。5₁、5₂厚1 m左右,结构无明显区别。     

径流预报的模糊神经网络方法

径流预报是水资源系统优化调度的重要因素。探讨了神经网络及模糊模式识别的部分理论,在通常的神经网络预报模型及模糊模式识别预报模型的基础上提出了一种模糊模式识别神经网络预报模型及其相应算法,加强了系统的知识表达能力,使预报结果更为可信。通过实例计算,验证了模型的可行性以及所给算法对模型训练的有效性,从而为径流预报提供了一种新方法。     

人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。     

BP人工神经网络在小流域径流模拟中的应用

径流量的变化与区域经济社会发展、生态平衡以及水资源管理和水环境保护密切相关,月径流量的研究对水量配置、调度等均具有重要意义。针对小尺度流域普遍存在的资料有限问题,研究BP人工神经网络在华南湿润区小流域月径流模拟的适用性。以滨江流域长序列逐日降水径流资料为基础,采用BP人工神经网络进行月径流量模拟,并将其与径流系数法、新安江模型和HSPF模型所得进行对比分析。研究表明:BP人工神经网络使用简便,变化趋势预测准确,在降水径流模拟方面优势明显,全年确定性系数为0.91,高于径流系数法所得0.85,与新安江模型的0.92、HSPF的0.96相当,具有良好的应用前景,其汛期的模拟效果优于非汛期,但模拟结果相对偏大,存在一定的改进和提高空间。     

人工神经网络在地下水评价中的应用简述

文章对人工神经网络技术在地下水评价中的应用问题进行了概括和小结，在此基础上，对存在的问题进行了探讨，进而提出，混合优化是改善人工神经网络的有效方法之一。     

基于MATLAB工具箱的BP神经网络年径流量预测模型研究——以塔城地区乌拉斯台河为例

塔城地区独特的地形为西来水汽的输送提供了条件,从而形成了众多中小河流,而中低山带季节性积雪的消融又使河流呈现出春汛汛的特点,使得径流年内分配不均,对塔城地区水资源配置极为不利,开展径流量的预测研究,将为水资源的优化配置提供科学的理论基础.文章以塔城地区乌拉斯台河为例,根据其年径流量(1966-1995年)序列的长期变化特征,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对年径流量的预测研究.从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性.     

黄河源区径流长期演变特征与趋势预测模型研究

利用小波分析方法对黄河源区径流数据系列的多尺度变化特征、突变点及变化趋势进行了分析.结果表明:黄河源区年径流量具有8a、15a、22a和36a左右的变化周期,其中8a、36a左右的周期变化最为显著.这些周期变化表明,2007年后流量将呈增加的趋势;1928、1982年和1985年是径流变化趋势重要的转变点.在小波分解的基础上,基于BP神经网络模型构建了黄河源区年径流量的长期动态预报模型,利用该模型对未来10a的流量变化进行了预测,并对其预报结果进行了分析.     

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。     

基于互信息量与BP神经网络的中长期径流预报方法研究

针对中长期径流预报因子的选择问题,采用互信息量方法筛选预报模型输入因子,在BP神经网络模型中,分别用均方误差和互信息量作为目标函数,衡量因子复合相关关系,优化选择最终预报因子并应用于碧流河汛期径流预报中。结果表明,基于互信息量筛选的预报因子与BP神经网络模型相结合,可有效识别多个预报因子与预报量间的复合相关性,对中长期径流预报因子的选择有很好参考价值。     

基于改进型前馈神经网络的流域产流预报模型的研究

在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。