基于EEMD-PSO-GRNN模型的元江中上游径流预测

径流序列的非线性和非平稳特性使得高精度的径流预报存在困难。本文组合EEMD和GRNN模型形成EEMD-GRNN耦合模型,预测时通过将径流序列分解为确定成分与随机成分并通过GRNN模型分别进行预测,预测值的加和则构成径流最终预测结果。EEMD-GRNN耦合模型应用到元江中上游,并与其他模型进行比较,结果表明：EEMD-GRNN耦合模型具有更高的预测精度,对径流的总体趋势预测有良好的效果,但在随机性的模拟上有待进一步完善。EEMD-GRNN耦合模型优于BP、GRNN、EEMD-BP模型,能有效提升径流预测的精度,可为流域的水资源优化调度等提供决策支持。     

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。     

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神经网络在灌区需水量预测中的应用

随着塔里木河下游水量逐年减少的趋势,铁千里克灌区水资源危机显的越来越严重。运用BP神经网络方法预测需水量,对灌区适时调整产业结构,保护生存和生态环境,促进区域社会经济和谐发展有重要意义。     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

BP神经网络在反演多层密度分界面中的应用研究

ＢＰ神经网络在反演多层密度分界面中的应用研究韩道范，谢靖，张文生，张让（长春地质学院）一、引言利用重力异常对单层密度分界面的反演及应用，６０年代已经普遍应用于物探工作。但几十年来，物探工作者很难正确地解决具有多层密度分界面的层状介质的反演。因此，反演...     

BP神经网络在基坑变形预测分析中的应用

本文提出了基坑变形预测与分析的BP神经网络方法,建立了基坑变形预测分析的模型,应用MATLAB语言编制计算程序进行计算并与实际工程监测值进行比较,从而验证了神经网络在基坑变形预测分析中的可行性、有效性。     

基于EMD组合模型的径流多尺度预测

受全球气候变化与人类活动影响,径流序列愈发呈现出非稳态与非线性特征,为降低由此而引发的预报误差,充分发挥不同模型对提高径流预测精度的优势,针对传统径流预报模型的单一性,以干旱区典型内陆河玛纳斯河为例,采用经验模态分解(EMD)提取径流序列中具有物理含义的信号,得到不同时间尺度的多个固有模态函数(IMF)及1个趋势项,利...     

BP小波神经网络在边坡位移预测中的应用

用优化的BP小波神经网络建立的预测模型对吊钟坝边坡的变形量进行了预测。引入了共轭梯度反向传播算法来优化BP小波神经网络,从而使网络计算量大为减少,避免了网络产生局部最优的弊端,有效提高了网络的质量。与未优化的BP小波神经网络和BP神经网络的预测结果进行比较可以看出,优化的BP小波神经网络的预测值更接近GPS实测值。     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

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。     

人工神经网络模型在淮滨站天然径流量计算中的应用初探

本文提出了利用神经网络模型计算天然径流量的一种方法.作为一个案例,该模型在淮河上游淮滨站以上流域被成功地建立,并有效地用于由降水量和蒸发量资料推求年天然径流量.计算结果表明,BP神经网络模拟模型不但具有一定的精度,而且也为研究径流量的快速计算提供了一条新途径.     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

基于遗传BP神经网络的地下水位预测模型

地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。     

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.     

BP神经网络预测嵌岩桩承载力

确定嵌岩桩承载力的最可靠最直接的方法是静载试验,但是由于嵌岩桩承载力大,静载试验耗工费时,并且很难做到破坏,因此工程界希望能在不影响结果精度的前提下尽可能少做静载试验。利用以往的嵌岩桩静载试验资料,在BP神经网络理论的基础上,运用Matlab中的神经网络工具箱进行编程分析,总结出嵌岩桩的各种可控参数对其承载能力的影响,从而确定最终比较合理的嵌岩桩的设计参数。对比分析前人的研究成果,得出的结论具有一定的实用性。     

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。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。