自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

交互式洪水预报系统及其在淮河流域中的应用

随着计算机技术的发展,图形用户界面在联机洪水作业预报中的应用越来越广泛,为实现专家交互式洪水预报提供了可能。本文简要描述了在美国天气局河流预报系统和交互式预报程序基础上建立起来的交互式洪水预报系统,介绍了淮河流域洪水的专家交互预报模式,指出了现有系统中存在的不足及其发展方向。     

人工神经网络模型在渭河下游洪水预报中的应用

通过对渭河下游站点的时间序列及空间分布的分析,确定出影响华县站流量的时间和空间信息,并将其引入神经网络模型;采用典型的BP神经网络,重点对网络的隐含层节点数、训练次数和学习率进行分析,构建了渭河下游华县断面流量预报的人工神经网络模型;并采用RMSE、NSC和相关系数 R作为模型效果评定标准,将其与传统多元统计回归模型进行了对比。结果表明,所建的BP神经网络模型较多元统计回归模型的预报效果有显著的提高。     

ν-支持向量机洪水预报模型研究

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究。针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程ν-SVR预报模型,采用1998~2014年间的大水年份降水资料和洪水过程资料对ν-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较。结果表明:ν-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度。ν-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度。     

VSAT卫星在柳州市洪水预警预报系统中的应用

柳州市洪水灾害频繁,为了防洪减灾在柳江上建设洪水预警预报系统。系统由水情遥测、计算机广域网和洪水预报模型等子系统组成。水情遥测子系统的通信采用卫星和超短波组网,并使用卫星作为超短波中继的热备份,提高系统的可靠性。系统经过１９９９年主汛期的考核,运行正常,使用效果良好,ＶＳＡＴ工作频段为Ｋｕ波段,存在雨衰问题,在建设中采取了一些措施,使该问题不致于影响系统的正常运行。实践证明,ＶＡＳＴ卫星在柳州市洪     

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。     

淮河干流洪水预报系统及其在1991年大洪水的应用

综述了淮河流域概况，淮河干流洪水预报系统物采用的预报方法。１９９１年淮河干流洪水预报采用了降雨径流预报与上，下游站相应流量预防方法相配合，并注重实时水情分析；在行洪区多，行洪后水面宽广而比降又极小的河段的汇流计算，采用了以实测洪水资料绘制的经验蓄曲线为充分发挥的湖泊洪水演算方法。     

安砂水电厂洪水预报自动化系统

安砂水电厂洪水预报自动化系统张初旺（福建省安砂水电厂）安砂水电厂位于福建省闽江流域沙溪水系主要支流九龙溪的中游末端，水库坝址以Ｌ集水面积５１８４ｋｍ’，水库正常高水位２６５００ｍ，相应库容为６．４亿ｍ’。流域气候温和湿润，雨量充沛，每年４—６月为主汛...     

BP神经网络在贵州喀斯特山区径流预报中的应用

以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。     

巷道围岩参数的人工神经网络预测

应用人工智能方法解决地下工程问题,提出了预测巷道围岩参数的人工神经网络预测法,构造了预测围岩参数的神经网络模型。预测结果证明,该模型具有很高的预测精度。提出的方法有一定的实用价值和参考价值。     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。     

神经网络理论在河道洪水预报中的应用

本文将神经网络用于松花江干流河道汇流计算和河道洪峰水位的预报.对各种转移函数的效果进行了比较,线性函数和双正切函的精度较好超过传统的马斯京根法,其中线性转移函数最好,说明对于大江大河线性转移函数最好.由上游断面洪峰水位预报下游断面洪峰水位也取得了良好的效果.     

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。     

基于人工神经网络的多泥沙洪水预报

阐述了人工神经网络方法对多泥沙洪水演进的辨识机理,建立神经网络预报模型,采用最小二乘快速收敛法,通过模型联想实现水沙演进预报.研究结果与实测结果吻合良好,体现了人工神经网络的应用价值和发展前景.     

水箱模型在大尺度流域实时洪水预报模型研制中的应用

水箱模型用于实时洪水作业预报的具体成果尚不多，本文研究的目的在于将水箱模型用于大尺度流域实时洪水预报。本文介绍了应用水箱模型建立实时洪水预报模型的方法。按照河段流量传播时间将寸滩以上干、支流划分为若干子河段，各子河段按照计算时段长分成若干单元河段，各单元河段区间降雨径流预报采用水箱模型．河道流量演算采用连续马斯京根法。河系预报模型精度在85％以上，能够满足实时洪水预报的要求。     

模糊优选神经网络模型及其应用

给出一种能反映宏观决策意图的模糊优选神经网络模型,经用于大连市经济与水资源、环境可持续发展决策,取得了满意结果。     

河北模型在岩溶地区洪水预报中的应用

岩溶地区有许多不闭合流域,其洪水预报问题较为特殊。将河北模型用于河北省的岩溶地区,取得了较好的效果。