多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

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。     

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。     

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。     

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。     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

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。     

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.     

基于相空间重构理论的时延神经网络应用于降雨径流预报

本文运用时延神经网络模型来模拟降雨径流过程,根据Takens相空间重构理论对前期影响雨量进行重构,并将其作为神经网络降雨输入结点.该方法可以有效改变以往神经网络输入结点主观性的问题,为正确确定神经网络输入结点提供了理论依据.通过计算实例表明,该方法的降雨径流预测精度较高.     

河流集合预报方法在洮河流域径流预报中的应用研究

为研究洮河流域径流预报,根据河流集合预报方法,利用红旗水文站实时监测资料,基于中国洪水预报系统开发的三水源蓄满产流、滞后演算和马斯京根模块构建全流域洪水预报模型,并应用该模型分析预测红旗水文站径流及其概率分布统计。结果表明:径流拟合过程拟合较好,取得了较好的预报效果,模型满足河流集合预报应用的条件,结论可为洮河流域水资源开发利用、防汛保安提供参考依据。     

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。     

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.     

应用人工神经网络BP模型预测乌江流域年平均含沙量

引入人工神经网络BP模型对流域产沙进行了定量预测。根据石坝子水文站断面以上乌江流域的土壤、地质、地貌在一定时间范围内具有相当稳定的特性，选取植被覆盖率、年降雨量、年平均流量和年汛期径流量共4个代表植被、气候和水流特性的主要因子对流域年平均含沙量进行了建模预测。优化得出的BP网络模型不仅拟合精度高，而且预测效果好，这为泥沙方面的定量研究提供了一条新的途径，也为石坝子水文站停测泥沙测验项目提供了科学依据。     

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。     

基于遗传算法的BP网络在黄河三门峡年径流量预测中的应用

提出了一种基于遗传算法(genetic algorithms,GA)的BP神经网络模型来进行径流量预测。此模型融合了遗传优化算法的全局寻优能力和BP神经网络的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了预测结果的精确性。仿真实验结果表明:在黄河三门峡1950~1985年年径流量预测方面,GA-BP模型预测的平均相对误差为5.67%,标准BP算法的模型平均预测误差为11.05%,说明提出的GA-BP径流量方法行之有效。     

BP神经网络在古气候序列重建中的应用

当前小区域的古气候变化研究受模拟资料分辨率和可靠性的严重制约.为了将大区域的气候模拟资料应用到小区域的古气候研究中去,亟待建立有效的降尺度方法.为此以徽鄂地区为例,建立了一个3层BP神经网络拟合模型,利用相关气象要素作为拟合因子,拟合并重建了该地区近千年来1月、7月和年平均的温度和降水序列,通过与观测及模拟资料的对比分析发现,该模型拟合及重建的近千年气候序列有较高的精度和可靠性,能反映小区域气候的年际和年代际变化信号,提高了模拟资料对小区域气候变化的刻画能力.     

岩溶山区地表水资源的计算方法

通过分析滏阳河岩溶山区的产流特征,探讨了该区地表水资源的计算方法,提出了在进行水资源评价时,首先依据水文地质资料,划定岩溶山区地下集水区范围,在该范围内再划分各河的地表集水区;进而分别计算出地下集水区的河川基流量及区内各河流的地表径流量,两者相加,便得到岩溶山区的地表水资源量。