發(fā)布時(shí)間：2021-02-02 15:57

　　徑流過(guò)程受地理環(huán)境、氣候變化、人類活動(dòng)等多方面綜合影響,具有隨機(jī)性、模糊性、灰色、混沌等特性。開(kāi)展流域未來(lái)徑流預(yù)報(bào)研究對(duì)獲得諸如防洪、發(fā)電、農(nóng)業(yè)灌溉、工業(yè)居民用水、河道通航、景觀旅游等經(jīng)濟(jì)和社會(huì)效益具有重大意義。因此,為了更好地統(tǒng)籌規(guī)劃水資源,提高中長(zhǎng)期徑流預(yù)報(bào)的精度顯得尤為重要。本文以長(zhǎng)江上游宜昌站為研究對(duì)象,使用宜昌站年徑流和月徑流數(shù)據(jù),研究并設(shè)計(jì)有效的人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)中長(zhǎng)期徑流。研究工作重點(diǎn)圍繞傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型無(wú)法記憶過(guò)往時(shí)刻數(shù)據(jù)、易收斂于局部最優(yōu)和梯度下降等問(wèn)題展開(kāi),引入循環(huán)神經(jīng)網(wǎng)絡(luò)中的長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）和門結(jié)構(gòu)循環(huán)單元（GRU）變體,建立年、月徑流預(yù)報(bào)模型,并提出一種更簡(jiǎn)單、計(jì)算效率更高的門結(jié)構(gòu)-Simple-LSTM作為預(yù)報(bào)網(wǎng)絡(luò)。實(shí)例研究表明,Simple-LSTM網(wǎng)絡(luò)在訓(xùn)練和測(cè)試中都表現(xiàn)出良好的性能。與BP神經(jīng)網(wǎng)絡(luò)和支持向量回歸機(jī)（SVR）兩種方式預(yù)報(bào)結(jié)果相比,Simple-LSTM模型具有更高的預(yù)報(bào)合格率和計(jì)算效率�；谝陨涎芯�,設(shè)計(jì)了一套三峽流域中長(zhǎng)期徑流預(yù)報(bào)系統(tǒng)。研究工作取得的主要成果如下:（1）為了克服傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)收斂慢、震蕩波動(dòng)大、收... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：95 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文框架結(jié)構(gòu)圖

0 1( , ..., )niJ （）用步長(zhǎng) 乘以損失函數(shù)的梯度，得到當(dāng)前位置下降的距離，為公式 20 1( , ..., )niJ （）確定是否對(duì)于所有的 ，新的函數(shù)值與目標(biāo)值的誤差值小于誤差 ，到算法參數(shù)，算法結(jié)束。否則進(jìn)入步驟 4。）參數(shù)i 通過(guò)優(yōu)化方式更新。對(duì)于當(dāng)前i 值，使用公式 2-7 修正。重復(fù)0 1( , ..., )i i niJ （MSprop 稱為均方根算法，是在一般梯度下降法的基礎(chǔ)上改進(jìn)得到的優(yōu)少計(jì)算時(shí)間，獲得更快的梯度下降速率。使用 RMSProp 的主要目的是時(shí)的震蕩。 如圖 2-1 所示，左側(cè)黑點(diǎn)為初始出發(fā)點(diǎn)，整個(gè)橢圓形代表得空間中的全局最優(yōu)點(diǎn)（紅色點(diǎn)標(biāo)記最優(yōu)點(diǎn)），出發(fā)點(diǎn)使用梯度下降不停地尋找下一個(gè)迭代點(diǎn)，不停地向最優(yōu)點(diǎn)靠近。

0(1 )Cn 0Cb bb 習(xí)速率。損失函數(shù)帶上正則項(xiàng)后，梯度下降與最初的梯度下子1n 來(lái)修正權(quán)重。因?yàn)?， ，n 均大于 0，所以 權(quán)重隨之不斷下降。 2.1.5 節(jié)中的正則化的方式解決過(guò)擬合，還能使用 dropo在訓(xùn)練時(shí)按概率隨機(jī)丟棄訓(xùn)練網(wǎng)絡(luò)中的一部分神經(jīng)元，設(shè)為 0，丟失神經(jīng)元后，網(wǎng)絡(luò)變得更加稀疏，從而保證在易預(yù)報(bào)網(wǎng)絡(luò)輸出，同時(shí)更少的神經(jīng)元意味著更少的計(jì)算度更快。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的流量預(yù)測(cè)模型[J]. 譚暉,張揚(yáng),周小翠,賀凡.  信息通信. 2018(02)
[2]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負(fù)荷預(yù)測(cè)方法[J]. 張宇航,邱才明,賀興,凌澤南,石鑫.  電力信息與通信技術(shù). 2017(09)
[3]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[4]徑流多時(shí)間尺度預(yù)報(bào)方法對(duì)比分析[J]. 明波,劉冀,呂翠美,董曉華.  中國(guó)農(nóng)村水利水電. 2013(03)
[5]PDO和ENSO指數(shù)與三江源地區(qū)徑流變化的相關(guān)關(guān)系研究[J]. 呂愛(ài)鋒,賈紹鳳,王素慧,燕華云,楊貴林.  南水北調(diào)與水利科技. 2010(02)
[6]基于WA、ANN和水文頻率分析法相結(jié)合的中長(zhǎng)期水文預(yù)報(bào)模型的研究[J]. 桑燕芳,王棟,吳吉春,朱慶平,王玲.  水文. 2009(03)
[7]基于單相關(guān)系數(shù)法的中長(zhǎng)期水文預(yù)報(bào)研究[J]. 張麗霞,梁新平.  水資源與水工程學(xué)報(bào). 2008(03)
[8]中國(guó)地區(qū)水汽輸送異常特征及其與長(zhǎng)江流域旱澇的關(guān)系[J]. 蔣興文,李躍清,王鑫.  地理學(xué)報(bào). 2008(05)
[9]東北區(qū)旱澇災(zāi)害特征分析及趨勢(shì)預(yù)測(cè)[J]. 王富強(qiáng),許士國(guó).  大連理工大學(xué)學(xué)報(bào). 2007(05)
[10]遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在混沌徑流時(shí)間序列預(yù)測(cè)中的應(yīng)用[J]. 劉媛媛,練繼建,朱云.  水文. 2007(02)

博士論文
[1]自然—人工二元模式下河川徑流變化規(guī)律和合理描述方法研究[D]. 蔣曉輝.西安理工大學(xué) 2002

碩士論文
[1]三峽流域徑流特性分析及中長(zhǎng)期徑流預(yù)報(bào)研究[D]. 張娟娟.華中科技大學(xué) 2013
[2]三峽流域中長(zhǎng)期徑流預(yù)報(bào)模型精度評(píng)定綜合分析及優(yōu)化方法研究[D]. 宋俊杰.華中科技大學(xué) 2013
[3]長(zhǎng)江三峽中長(zhǎng)期徑流預(yù)報(bào)研究及其系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D]. 王雪.華中科技大學(xué) 2011



本文編號(hào)：3014970