【摘要】：準確高效的水情長期預報能夠為水文氣象相關(guān)部門在防汛抗旱規(guī)劃決策、水利工程調(diào)度運行及水資源開發(fā)利用等工作提供科學依據(jù)。為建立水文時間序列長期預報模型,探究建模思路與設計方法,本文以上海為研究區(qū)域,選取黃浦公園水文站、吳淞水文站、徐家匯氣象代表站為研究站點,對年最高水位、年降水量及汛期降水量序列建立基于小波分析(Wavelet analysis,WA)的多類型人工神經(jīng)網(wǎng)絡(Artificial neural network,ANN),即WA-ANN模型,進行水情長期預報研究。該模型首先采用小波分析識別并分離出樣本序列中的確定性成分與隨機成分,然后對兩部分分別建立適用于預測預報的典型ANN,包括BP神經(jīng)網(wǎng)絡、徑向基函數(shù)(Radial basis function,RBF)神經(jīng)網(wǎng)絡、廣義回歸神經(jīng)網(wǎng)絡(General regression neural network,GRNN)、小波神經(jīng)網(wǎng)絡(Wavelet neural network,WNN)及Elman神經(jīng)網(wǎng)絡,最后將兩部分的預測結(jié)果疊加得到樣本序列的最終預測結(jié)果。結(jié)合混沌特性分析、自相關(guān)分析、經(jīng)驗公式、試錯法及遺傳算法等方法設定ANN的網(wǎng)絡初始參數(shù),根據(jù)平均相對誤差、平均絕對誤差、均方根誤差及合格率等四項評價指標,評價不同類型WA-ANN模型的預測精度與穩(wěn)定性,驗證建模思路與網(wǎng)絡設計方法的可行性與合理性,并與其他常用長期預報模型預測效果進行對比。主要研究結(jié)論如下:(1)基于小波分析建立ANN在研究區(qū)域與站點能夠提高水情長期預報精度。相比于標準ANN,WA-ANN模型應用于黃浦公園年最高水位、吳淞年最高水位、徐家匯年降水量與汛期降水量等四個水文樣本序列的長期預報具有更高的精度。(2)結(jié)合多方法進行網(wǎng)絡設計具有一定合理性與可行性。經(jīng)黃浦公園年最高水位、吳淞年最高水位、徐家匯年降水量與汛期降水量等四個水文樣本序列驗證,結(jié)合混沌特性分析與自相關(guān)分析確定ANN輸入層節(jié)點數(shù),通過經(jīng)驗公式、試錯法設定ANN隱含層節(jié)點數(shù)、學習率等初始參數(shù),采用遺傳算法選取BP神經(jīng)網(wǎng)絡初始權(quán)重與閾值,以此設置模型參數(shù)得到的預測結(jié)果符合長期水文預報的精度評定規(guī)定,預測效果較好。(3)對于黃浦公園年最高水位、吳淞年最高水位、徐家匯年降水量與汛期降水量等四個水文樣本序列的長期預報,ANN較自回歸模型AR(p)、單變量一階灰色模型GM(1,1)及門限自回歸模型TAR而言具有更好的適用性,整體預測精度更高。其中,GRNN神經(jīng)網(wǎng)絡在穩(wěn)定性與精度兩方面均有較好表現(xiàn),是水文樣本序列長期預報最適用的神經(jīng)網(wǎng)絡類型,其應用于黃浦公園年最高水位序列、吳淞年最高水位序列及徐家匯年降水量序列預測的平均相對誤差分別為3.8%、2.8%、11.8%,合格率分別為93.8%、100%、77.3%,預測效果較好;同時,其應用于徐家匯汛期降水量序列預測的平均相對誤差與合格率分別為19.7%、68.2%,僅達到水文長期預報基本精度要求,預測效果有待優(yōu)化。
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：P338
【圖文】：

ＢＰ網(wǎng)絡是用誤差反向傳播算法（Ｅｒｒｏｒ邋Ｂａｃｋ邋Ｐｒｏｐａｇａｔｉｏｎ，邋ＢＰ）進行訓練的多層前饋神逡逑經(jīng)網(wǎng)絡，具備較強的非線性映射能力［３８］，是ＡＮＮ中運用最為廣泛的一類神經(jīng)網(wǎng)絡。逡逑ＢＰ神經(jīng)網(wǎng)絡由輸入層、隱含層、輸出層構(gòu)成［３９１圖２．２為單層隱含層的三層ＢＰ神逡逑經(jīng)網(wǎng)絡結(jié)構(gòu)圖。ＢＰ神經(jīng)網(wǎng)絡各層之間通過權(quán)重、閾值及傳遞函數(shù)連接，將數(shù)據(jù)從前向逡逑后逐層傳遞至輸出層。若到達輸出層的數(shù)據(jù)與期望輸出之間的誤差未達到設定的目標誤逡逑差，則以誤差減小為目標按照訓練算法從后向前調(diào)節(jié)各層權(quán)重與閾值，將數(shù)據(jù)反向傳遞，逡逑直到輸出數(shù)據(jù)與期望輸出之間的誤差小于目標誤差。逡逑常用的傳遞函數(shù)包括線性傳遞函數(shù)、正切Ｓ型傳遞函數(shù)、對數(shù)Ｓ型傳遞函數(shù)，表達逡逑式如式（２．１５）－式（２．１７）所示。一般來說，隱含層傳遞函數(shù)多選擇正切Ｓ型傳遞函數(shù)或?qū)﹀义蠑?shù)Ｓ型傳遞函數(shù)，輸出層傳遞函數(shù)多選擇正切Ｓ型傳遞函數(shù)或線性傳遞函數(shù)。逡逑線性傳遞函數(shù)：逡逑ｆ（ｘ）邋＝邋ｘ邐（２．８）逡逑１２逡逑

２．２．３邋ＧＲＮＮ神經(jīng)網(wǎng)絡逡逑廣義回丨／１神經(jīng)網(wǎng)絡（Ｇｅｎｅｒａｌ邋ｒｅｇｒｅｓｓｉｏｎ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ，邋ＧＲＮＮ），足ＲＢＦ神經(jīng)網(wǎng)絡的…逡逑種變形，由輸入層、隱含層、加和層和輸出層構(gòu)成｜４１１，網(wǎng)絡結(jié)構(gòu)見圖２．４。隱含層節(jié)點逡逑仍然通過徑向基函數(shù)對輸入矢量進行變換，在隱含層與輸出層之間添加一個加合層。加逡逑和層節(jié)點數(shù)為２，分別是分母神經(jīng)元和分子神經(jīng)元，用于計算隱含層各節(jié)點輸出值的代逡逑數(shù)和與加權(quán)和（權(quán)值為訓練樣本期望輸出值），將分子單元與分母單元相除可得最終輸逡逑出。逡逑ＧＲＮＮ神經(jīng)網(wǎng)絡相對于ＲＢＦ網(wǎng)絡而言，在逼近能力和學習速度上均更有優(yōu)勢，在逡逑數(shù)據(jù)較少或不穩(wěn)定的情況下仍能維持較好的預測效果。逡逑１５逡逑

２．２．４邋ＷＮＮ神經(jīng)網(wǎng)絡逡逑小波神經(jīng)網(wǎng)絡（Ｗａｖｅｌｅｔ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ，邋ＷＮＮ），是小波理論和ＢＰ神經(jīng)網(wǎng)絡的結(jié)合，逡逑其隱含層節(jié)點的傳遞函數(shù)為小波基函數(shù)［４２］，網(wǎng)絡結(jié)構(gòu)見圖２．５。小波變換具有時、頻同逡逑時多分辨率功能，能夠表征信號的局部特征，因此可進一步逼近數(shù)據(jù)，優(yōu)化網(wǎng)絡預測性逡逑能。逡逑ＷＮＮ神經(jīng)網(wǎng)絡隱含層第（個節(jié)點的輸入表達式為：逡逑Ｕｋ邋＝邋＾＝＾ｉｋＸｉ￣ｂｋ邋ｉ邋＝邋１，２，…，ｎ0，／ｃ邋＝邐—邐（２．１８）逡逑式中，為輸入層第／個節(jié)點與隱含層第Ａ：個節(jié)點間的連接權(quán)重，ｎＱ為輸入層節(jié)點逡逑數(shù)目，／為隱含層節(jié)點數(shù)目，ｂｋ為隱含層第Ａ個節(jié)點的小波函數(shù)平移因子，％為隱含層逡逑第個節(jié)點的小波函數(shù)伸縮因子。逡逑本文選擇的小波基函數(shù)為Ｍｏｒｌｅｔ小波，Ｍｏｒｌｅｔ小波具有非正交性，在時、頻的局部逡逑化之間具有良好的平衡能力［４３１，可以分析更復雜的振動信息，因此更適合時序分析，其逡逑表達式為：逡逑屮＝丌－ｌ／４ｅ－ｉｗ０ｔｅ－ｔ２／２邐（２．１９）逡逑式中，／■為時間，Ｗａ為無量綱頻率。在Ｍａｔｌａｂ平臺中經(jīng)小波變換后的隱含層輸出表達逡逑式為：逡逑／ｉ／ｃ邋＝邋ｅ＿Ｕｆｃ２／２邋ｃｏｓ（５ｉ＾）邋＝邋１

【相似文獻】

相關(guān)期刊論文 前10條

1 游性恬;對長期預報的挑戰(zhàn)[J];氣象科技;1996年02期

2 王向東，李維京;國外長期預報業(yè)務及研究進展[J];氣象科技;1996年03期

3 向元珍,曾玉芳,呂玉芳,李啟鈞,蔡惠芳;省、市二級長期預報客觀化業(yè)務系統(tǒng)的實施[J];應用氣象學報;1991年04期

4 毛昭雄;樊友國;;葛洲壩長期預報數(shù)據(jù)庫管理系統(tǒng)[J];水利水文自動化;1992年04期

5 C.K.Folland;趙振國;;英國月長期預報的最近發(fā)展[J];氣象科技;1985年02期

6 王德生;;潘家口水庫日歷年來水量長期預報方法初探[J];海河水利;1987年06期

7 黃德耀;;短波電路M.U.F的準實時預報技術(shù)[J];計算機與網(wǎng)絡;1988年03期

8 宋雅坪;周期譜分析及在水文長期預報上的應用[J];水力發(fā)電學報;1988年04期

9 張炳漢;統(tǒng)計—模糊多元分析在長期預報中的應用初探[J];廣西氣象;1988年01期

10 林忠柱;廣西九月份雨量多寡長期預報探討[J];廣西氣象;1988年03期

相關(guān)會議論文 前10條

1 王美榮;;周期均值疊加法在北京市降水長期預報的應用[A];中國水利學會2010學術(shù)年會論文集（上冊）[C];2010年

2 匡奕煜;訾麗;;長江流域干支流控制站來水量長期預報方案應用研究[A];科技創(chuàng)新與水利改革——中國水利學會2014學術(shù)年會論文集（上冊）[C];2014年

3 張�？�;馮健;;周期均值疊加方法在水文長期預報中的應用[A];中國水利學會2013學術(shù)年會論文集——S3防汛抗旱減災[C];2013年

4 辛東鶴;林鏡榆;范垂仁;;2006年登陸我國臺風次數(shù)的長期預報[A];中國地球物理學會第22屆年會論文集[C];2006年

5 李濱峰;張德蘇;吳華斌;;陽西縣第一段lN雨開始的長期預報[A];第六屆粵西、北部灣區(qū)域氣象合作會議暨氣象災害防御研討會論文摘要集[C];2010年

6 苗娟;劉四清;王家龍;龔建村;;“相似周”方法在太陽活動長期預報中的應用[A];第十二屆全國日地空間物理學術(shù)討論會論文摘要集[C];2007年

7 陳菊英;;1998長江特大洪水的成功長期預報在防災減災中的重要作用[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

8 劉祥貴;張盛元;楊和林;;小麥禾縊管蚜發(fā)生的長期預報[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（上冊）[C];2002年

9 范垂仁;李秀斌;;中國旱澇巨災長期預報研究[A];中國地球物理學會第二十屆年會論文集[C];2004年

10 王渺林;夏軍;;長江上游寸灘站年最大洪峰演變規(guī)律及長期預報[A];水與社會經(jīng)濟發(fā)展的相互影響及作用——全國第三屆水問題研究學術(shù)研討會論文集[C];2005年

相關(guān)重要報紙文章 前9條

1 黃麗華;遠離磁暴的危害[N];科技日報;2001年

2 莫言　譯;是否還做長期預報 英國進退兩難[N];中國氣象報;2010年

3 本報記者 紀家梅;未雨綢繆靠氣象[N];中國氣象報;2000年

4 記者 韓文宇;市委市府要求高度重視正確引導[N];齊齊哈爾日報;2007年

5 記者 曲長輝;停暖時如氣溫低供暖將延期[N];大慶日報;2010年

6 市農(nóng)業(yè)信息中心;今年我市主要農(nóng)作物病蟲發(fā)生趨勢長期預報[N];忻州日報;2010年

7 陳立新;我盟加強現(xiàn)代農(nóng)牧業(yè)信息化建設[N];錫林郭勒日報;2008年

8 本報記者 崔義鑫;立足“早”字 念好“選”字[N];大慶日報;2012年

9 樂毅;日本強震帶來的啟示[N];市場報;2008年

相關(guān)碩士學位論文 前7條

1 周雨婷;WA-ANN模型在水文時間序列長期預報中的應用[D];南京大學;2019年

2 李婷婷;太陽質(zhì)子事件長期預報模型研究[D];中國科學院研究生院（空間科學與應用研究中心）;2009年

3 吳東偉;半潛平臺結(jié)構(gòu)強度可靠性評估方法研究[D];中國艦船研究院;2011年

4 王川南;三體船波浪載荷數(shù)值預報及耐波性研究[D];大連海事大學;2015年

5 周清華;單艙大開口重吊船結(jié)構(gòu)強度問題的研究[D];上海交通大學;2010年

6 趙海娟;太陽活動預報[D];中國科學院研究生院（云南天文臺）;2004年

7 曾小凡;中長期水文統(tǒng)計預報方法研究及應用[D];河海大學;2005年

本文編號：2759470