本文關(guān)鍵詞：基于BP網(wǎng)絡(luò)的徑流預(yù)測(cè)研究

  更多相關(guān)文章： 徑流預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 遺傳算法 MVC

【摘要】：水文預(yù)報(bào)在實(shí)施各種民生工程中的作用十分重要,其為調(diào)節(jié)徑流、防御洪澇災(zāi)害、利用河流水能、灌溉等提供了重要的參考信息,同時(shí)也是實(shí)施各種調(diào)度決策的依據(jù)；在水文預(yù)報(bào)中徑流預(yù)測(cè)的準(zhǔn)確性具有很重要的意義。水文元素具有很強(qiáng)的非線性特征,并且其產(chǎn)生過程較為復(fù)雜,采用傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)建立的概念性水文模型在處理實(shí)際情況中會(huì)遇到如：地理位置、氣候等因素的限制；本次研究將貴州省銅仁市水文局“水文遠(yuǎn)程測(cè)控及綜合信息管理系統(tǒng)”項(xiàng)目作為研究背景,以項(xiàng)目中子系統(tǒng)“徑流預(yù)測(cè)系統(tǒng)”對(duì)降雨徑流預(yù)報(bào)需求為研究目的,通過對(duì)國(guó)內(nèi)外徑流預(yù)報(bào)已有成果的研究,采用將人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在降雨徑流預(yù)報(bào)上并對(duì)其進(jìn)行了深入的研究。本文根據(jù)人工神經(jīng)網(wǎng)絡(luò)(ANN)及BP神經(jīng)網(wǎng)絡(luò)算法的基本特點(diǎn)和理論,設(shè)計(jì)出具備預(yù)報(bào)功能的BP神經(jīng)網(wǎng)絡(luò)模型,模型中分別采用梯度下降算法和LM(即：Levenberg-Marquardta)算法作為網(wǎng)絡(luò)訓(xùn)練算法。針對(duì)BP神經(jīng)網(wǎng)絡(luò)易陷入局部極小值的不足,利用遺傳算法(GA)具備全局搜索能力強(qiáng)的特點(diǎn),將GA算法與BP算法結(jié)合設(shè)計(jì)出具備預(yù)報(bào)功能的GA-BP模型。并將設(shè)計(jì)的模型應(yīng)用到貴州省銅仁市思南水文站徑流的預(yù)報(bào)。根據(jù)項(xiàng)目的需求,研發(fā)了綜合信息管理系統(tǒng),針對(duì)系統(tǒng)中徑流預(yù)報(bào)功能采用基于BP網(wǎng)絡(luò)的徑流預(yù)測(cè)模型的算法在系統(tǒng)中的實(shí)現(xiàn)的方法。通過該系統(tǒng)能夠提高對(duì)實(shí)測(cè)數(shù)據(jù)的整合能力,減少人為干預(yù)數(shù)據(jù)的幾率,提高預(yù)報(bào)數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確度,為防汛工作提供實(shí)時(shí)有效的數(shù)據(jù),為防汛決策的確立提供可靠的依據(jù)。
【關(guān)鍵詞】：徑流預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 遺傳算法 MVC
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TV121;TP183
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 課題的研究意義及背景10-11
• 1.2 徑流預(yù)測(cè)現(xiàn)狀和趨勢(shì)11-12
• 1.3 基于人工神經(jīng)網(wǎng)絡(luò)的徑流預(yù)測(cè)可行性分析12-13
• 1.4 基于人工神經(jīng)網(wǎng)絡(luò)的徑流預(yù)測(cè)國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.5 主要研究?jī)?nèi)容14-15
• 1.6 文章組織結(jié)構(gòu)15-16
• 第二章 人工神經(jīng)網(wǎng)絡(luò)算法及遺傳算法16-28
• 2.1 人工神經(jīng)網(wǎng)絡(luò)16-18
• 2.1.1 人工神經(jīng)網(wǎng)絡(luò)的產(chǎn)生與發(fā)展16-17
• 2.1.2 人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)17-18
• 2.1.3 人工神經(jīng)網(wǎng)絡(luò)運(yùn)行方式18
• 2.2 BP神經(jīng)網(wǎng)絡(luò)18-22
• 2.2.1 BP網(wǎng)絡(luò)的結(jié)構(gòu)19
• 2.2.2 BP網(wǎng)絡(luò)設(shè)計(jì)步驟19-21
• 2.2.3 BP網(wǎng)絡(luò)設(shè)計(jì)要素21-22
• 2.3 遺傳算法22-26
• 2.3.1 遺傳算法概述22-23
• 2.3.2 遺傳算法理論基礎(chǔ)23
• 2.3.3 遺傳算法的特點(diǎn)23-24
• 2.3.4 遺傳算法構(gòu)成要素24-26
• 2.4 遺傳算法的應(yīng)用步驟26-27
• 2.5 本章小結(jié)27-28
• 第三章 基于BP網(wǎng)絡(luò)的預(yù)報(bào)模型28-38
• 3.1 BP神經(jīng)網(wǎng)絡(luò)建模28-33
• 3.1.1 典型BP網(wǎng)絡(luò)的學(xué)習(xí)原則及訓(xùn)練過程28-31
• 3.1.2 BP網(wǎng)絡(luò)的不足31-32
• 3.1.3 BP網(wǎng)絡(luò)改進(jìn)措施32-33
• 3.2 BP網(wǎng)絡(luò)與GA算法結(jié)合可行性分析33
• 3.3 基于GA-BP網(wǎng)絡(luò)建模33-36
• 3.3.1 初始化種群及設(shè)定參數(shù)33-34
• 3.3.2 建立適應(yīng)度函數(shù)34-35
• 3.3.3 遺傳操作35-36
• 3.4 本章小結(jié)36-38
• 第四章 基于BP網(wǎng)絡(luò)的徑流預(yù)報(bào)模型38-52
• 4.1 徑流預(yù)報(bào)的關(guān)鍵問題38
• 4.2 徑流預(yù)測(cè)的BP模型38-45
• 4.2.1 BP模型的建立38-42
• 4.2.2 BP模型預(yù)報(bào)結(jié)果分析42-45
• 4.3 徑流預(yù)測(cè)的GA-BP模型45-49
• 4.3.1 改進(jìn)GA-BP模型的建立45-46
• 4.3.2 改進(jìn)GA-BP模型預(yù)報(bào)結(jié)果分析46-49
• 4.4 綜合分析49
• 4.5 本章小結(jié)49-52
• 第五章 徑流預(yù)測(cè)系統(tǒng)52-64
• 5.1 綜合信息管理系統(tǒng)需求分析52-53
• 5.2 綜合信息管理系統(tǒng)53-56
• 5.2.1 系統(tǒng)構(gòu)建原則53
• 5.2.2 系統(tǒng)功能架構(gòu)53-54
• 5.2.3 綜合管理系統(tǒng)框架54-55
• 5.2.4 綜合管理系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)55-56
• 5.3 ASP.NET MVC框架56-58
• 5.3.1 MVC構(gòu)架原理56-57
• 5.3.2 ASP.NET中MVC的實(shí)現(xiàn)57-58
• 5.4 綜合信息管理系統(tǒng)測(cè)試58-60
• 5.5 徑流預(yù)報(bào)算法在.NET平臺(tái)中實(shí)現(xiàn)60-63
• 5.5.1 算法在.NET平臺(tái)實(shí)現(xiàn)方式61
• 5.5.2 算法文件的生成61-62
• 5.5.3 算法在.NET平臺(tái)實(shí)現(xiàn)中遇到的問題62-63
• 5.6 本章小結(jié)63-64
• 第六章 總結(jié)64-66
• 致謝66-68
• 參考文獻(xiàn)68-72
• 附錄A：攻讀碩士學(xué)位期間的科研成果72-74
• 附錄B：文中用到的相關(guān)數(shù)據(jù)74-80
• 附錄C：BP算法及GA-BP算法部分程序80-83

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 張暉;董航飛;;神經(jīng)網(wǎng)絡(luò)PID控制器在溫度控制中的應(yīng)用[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2011年03期

2 馮碧t$,喬非,王堅(jiān);基于遺傳算法的半導(dǎo)體生產(chǎn)線調(diào)度方法研究[J];計(jì)算機(jī)工程;2005年13期

3 楊志剛;汪春文;魏博文;;人工神經(jīng)網(wǎng)絡(luò)優(yōu)化模型在洪水預(yù)報(bào)中的應(yīng)用[J];人民長(zhǎng)江;2008年16期

4 趙偉;王志華;周兵;;基于.NET技術(shù)和MVC的新架構(gòu)模式[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年07期

5 洪小康;渭河下游洪水預(yù)報(bào)的人工神經(jīng)網(wǎng)絡(luò)模型研究[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

6 張國(guó)權(quán);王蔚民;;基于遺傳算法的粗糙集屬性約簡(jiǎn)[J];現(xiàn)代計(jì)算機(jī);2006年02期

7 涂剛;李建;劉華清;紀(jì)永玲;許子昊;;ASP.NET MVC的研究[J];軟件工程師;2010年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 錢鏡林;現(xiàn)代洪水預(yù)報(bào)技術(shù)研究[D];浙江大學(xué);2004年

2 魏茹生;徑流還原計(jì)算技術(shù)方法及其應(yīng)用研究[D];西安理工大學(xué);2009年

，

本文編號(hào)：832921