【摘要】：徑流量預(yù)測在現(xiàn)代水文領(lǐng)域有著非常重要的應(yīng)用,尤其對水資源的有效管理及合理利用具有重大意義.在預(yù)測方面,國內(nèi)外學(xué)者通過對多種神經(jīng)網(wǎng)絡(luò)和智能算法進行組合或者混合取得了良好的預(yù)測效果.本文通過對月均徑流和日均徑流數(shù)據(jù)進行模擬實驗,研究智能算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型及其組合優(yōu)化模型(COM)在實際預(yù)測中的效果.文章采用了支持向量機(SVR)、小波神經(jīng)網(wǎng)絡(luò)(WNN)、極限學(xué)習(xí)機(ELM)和模擬退火遺傳算法(SAGA),并建立SAGA優(yōu)化的WNN模型及其SAGA優(yōu)化ELM、SVR、WNN的組合模型,將其分別應(yīng)用于雜木河月均徑流量和昌馬堡水文站的日均徑流量的預(yù)測研究中.首先,直接對雜木河月均徑流數(shù)據(jù)進行相空間重構(gòu),用SVR、WNN、GASVR、GA-WNN模型進行預(yù)測.其次,針對月徑流呈現(xiàn)季節(jié)性的特點,先對其進行季節(jié)指數(shù)調(diào)整(SEA),然后對調(diào)整后的趨勢循環(huán)序列分別建立WNN、SVR、GAWNN、SAGA-WNN模型,對不規(guī)則序列建立ELM模型,實證結(jié)果表明,SEASAGAWNN-ELM模型對月均徑流預(yù)測有較高的精度.再次,考慮到降水氣溫等因素對徑流量的影響,建立以降水氣溫為變量的徑流量預(yù)測模型,分別用WNN、GA-WNN和SAGA-WNN進行預(yù)測,得到SAGA-WNN與未優(yōu)化的模型相比,仍具有較好的預(yù)測精度.最后,本文對三種不同思路下的預(yù)測結(jié)果進行比較討論,得到在做預(yù)測時對數(shù)據(jù)做一定的分析和處理是必要的,混合模型優(yōu)于單一的模型,提出的SAGA-WNN模型預(yù)測精度高于其它未優(yōu)化的模型.另外,本文建立基于SAGA優(yōu)化ELM、WNN、SVR的組合優(yōu)化模型(COM),并將其用于昌馬堡水文站的日均徑流預(yù)測研究中,仿真結(jié)果表明該模型在預(yù)測精度上優(yōu)于單一的預(yù)測模型.總之,經(jīng)過智能算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)模型優(yōu)于未優(yōu)化的模型,組合優(yōu)化模型優(yōu)于單一的預(yù)測模型,且優(yōu)化性能越好,預(yù)測精度越高.
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P338
【圖文】：

2.1 神經(jīng)元模型神經(jīng)網(wǎng)絡(luò)是由簡單單元組成的廣泛并行連接的網(wǎng)絡(luò), 它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應(yīng). 而人的大腦由約100億個神經(jīng)元構(gòu)成, 且每個神經(jīng)元與其它神經(jīng)元相連接形成靈活多變和錯綜復(fù)雜的神經(jīng)網(wǎng)絡(luò),并對信息進行分析和控制. 人工神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)、自學(xué)習(xí)、非線性、非平穩(wěn)和其它的一些特征, 使它成為解決復(fù)雜問題的一個強大工具, 近年來得到了廣泛的應(yīng)用和研究.圖 2-1 為人工神經(jīng)元模型及其訓(xùn)練過程圖. 從圖中可以看出, 每個神經(jīng)元是一個節(jié)點, 網(wǎng)絡(luò)由輸入層、隱含層、輸出層構(gòu)成, 兩層之間通過權(quán)重系數(shù)相連接,隱含層可以是一層, 也可以是多層, 一個神經(jīng)元可以有多個輸入, 一個輸出. 神經(jīng)網(wǎng)絡(luò)開始學(xué)習(xí)時, 信息通過輸入層傳到隱含層, 經(jīng)過一系列過程的處理, 最后到達輸出層, 信號向前傳播時, 如果達到了預(yù)期的輸出, 則學(xué)習(xí)過程終止, 否則,信號就反向傳播. 反向傳播是誤差信號反向計算的過程, 為了減小誤差, 權(quán)值調(diào)整過程采用梯度下降的方法, 訓(xùn)練過程如圖 2-1 所示.

蘭州大學(xué)碩士學(xué)位論文 基于 SAGA的優(yōu)化算法在徑流量預(yù)測中的研究與應(yīng)用層節(jié)點數(shù), n 代表隱含層節(jié)點數(shù), l 代表輸出層節(jié)點數(shù), 則其結(jié)構(gòu)編碼長度為m n n n n l, 用 GA 進行迭代, 當(dāng)滿足一定條件時停止運算, 獲得最優(yōu)個體,并把此個體作為 WNN 的最優(yōu)權(quán)值和伸縮平移尺度值進行 WNN 訓(xùn)練.遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)算法流程如圖 3-2 所示.

【相似文獻】

相關(guān)期刊論文 前10條

1 周后福,李春;黃河干流徑流量暫態(tài)成分與時頻分析及其預(yù)測[J];氣象科學(xué);2003年02期

2 姜世中;梁川;;降水和植被變化對龍川江徑流量的影響[J];四川大學(xué)學(xué)報(工程科學(xué)版);2006年05期

3 梁四海;萬力;胡伏生;張建鋒;;基于小波方法的黃河源頭徑流量的周期變化規(guī)律[J];南京大學(xué)學(xué)報(自然科學(xué)版);2007年03期

4 畢遠山;王海寧;郎洪鋼;;河北省山區(qū)流域分區(qū)徑流量一致性修正分析[J];河北水利;2007年06期

5 董恒;劉長燕;王濤濤;梁素偉;;氣候變化對海河流域徑流量的影響[J];河北水利;2010年04期

6 陳引鋒;方迎輝;朱巧英;;黑河日徑流量混沌變化特性研究[J];地下水;2010年03期

7 朱佳君;張鈺;唐穎豐;何彬;;洮河干流徑流量變化趨勢分析[J];水土保持研究;2011年03期

8 張茜;肖長來;朱雅萍;翟天放;梁秀娟;;吉林省徑流量時空變化特征及成因分析[J];節(jié)水灌溉;2013年07期

9 馬柱國;葛州壩、唐乃亥徑流量的時變特征分析[J];高原氣象;1995年01期

10 林承坤,吳小根;長江徑流量特性及其重要意義的研究[J];自然雜志;1999年04期

相關(guān)會議論文 前10條

1 康玲玲;王金花;劉紅梅;王云璋;左仲國;陳江南;;黃河上游蘭州站徑流量的歷史變化分析[A];人水和諧及新疆水資源可持續(xù)利用——中國科協(xié)2005學(xué)術(shù)年會論文集[C];2005年

2 康玲玲;董飛飛;王昌高;王云璋;;黃河花園口站汛期徑流量未來趨勢分析[A];中國水利學(xué)會2010學(xué)術(shù)年會論文集（上冊）[C];2010年

3 張國宏;;近60a黃河流域徑流量變化特征及其與氣候變化的相關(guān)性[A];S5 全球典型干旱半干旱地區(qū)氣候變化及其影響[C];2012年

4 袁杰;董立新;朱金亮;白昊陽;韓旭;;近50年來松花江流域徑流量演變規(guī)律研究[A];2012全國水資源合理配置與優(yōu)化調(diào)度技術(shù)專刊[C];2012年

5 喬光建;;土地利用變化與徑流量演變相關(guān)性分析[A];中國水利學(xué)會2010學(xué)術(shù)年會論文集（上冊）[C];2010年

6 葛朝霞;曹麗青;顧月紅;強學(xué)民;;氣象因子對月徑流量預(yù)報效果影響的分析[A];中國氣象學(xué)會2007年年會天氣預(yù)報預(yù)警和影響評估技術(shù)分會場論文集[C];2007年

7 劉明春;史志娟;秦三杰;;石羊河流域徑流量對氣候變化的響應(yīng)——以西營河為例[A];第28屆中國氣象學(xué)會年會——S11氣象與現(xiàn)代農(nóng)業(yè)[C];2011年

8 張建興;馬孝義;趙文舉;屈金娜;;基于生命旋回神經(jīng)網(wǎng)絡(luò)的徑流量預(yù)測模型[A];'2008系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2008年

9 楚澤涵;袁祖貴;;黃河徑流量、輸沙量與入海口生態(tài)環(huán)境問題探討[A];中國地球物理.2003——中國地球物理學(xué)會第十九屆年會論文集[C];2003年

10 陰法章;王光生;楊廣云;張建新;;北方河流月徑流量預(yù)測[A];中國水利學(xué)會2006學(xué)術(shù)年會暨2006年水文學(xué)術(shù)研討會論文集（水文水資源新技術(shù)應(yīng)用）[C];2006年

相關(guān)重要報紙文章 前3條

1 記者 賈立君;我國每年融掉一條黃河[N];新華每日電訊;2004年

2 屠新武 三門峽水文水資源局總工程師;略論渭河沿程水沙衰減原因及對黃河的影響[N];黃河報;2008年

3 中國工程院副院長 沈國舫;生態(tài)環(huán)境建設(shè)與水資源保護利用（中）[N];科技日報;2000年

相關(guān)博士學(xué)位論文 前9條

1 劉宏權(quán);張家口市永定河流域氣候變化及其對水文水資源系統(tǒng)的影響[D];河北農(nóng)業(yè)大學(xué);2013年

2 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

3 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

4 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

5 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

6 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達相關(guān)濾波的研究[D];大連海事大學(xué);2000年

7 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

8 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

9 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 姜珍;基于SAGA的優(yōu)化算法在徑流量預(yù)測中的研究與應(yīng)用[D];蘭州大學(xué);2017年

2 努爾比耶·艾合麥提托合提;氣候變化與人類活動對開都河徑流量的影響研究[D];新疆大學(xué);2015年

3 劉培亮;1990年以來湖南四水入洞庭湖汛期徑流量的變化特征及其驅(qū)動因素分析[D];湖南師范大學(xué);2015年

4 占紅;城市不透水面的擴張對地表徑流量的影響[D];哈爾濱師范大學(xué);2016年

5 譚芬芳;變化環(huán)境下洞庭湖水沙演變特征檢測與歸因分析[D];湖南師范大學(xué);2016年

6 潘彬;黃河入海水沙對三角洲前沿濕地的影響研究[D];山東師范大學(xué);2017年

7 姜曉勇;黑河上游地區(qū)徑流量的變化趨勢及其對氣候變化的響應(yīng)[D];西北師范大學(xué);2008年

8 陳穎;塔里木河流域源流區(qū)徑流量的變化特征及其與相關(guān)氣象因子的關(guān)系[D];南京信息工程大學(xué);2006年

9 劉曉玲;渭河下游徑流量對氣候變化及人類活動的響應(yīng)研究[D];陜西師范大學(xué);2011年

10 張躍華;嘉陵江流域徑流量變化規(guī)律及其對氣候變化的響應(yīng)[D];西南大學(xué);2012年

本文編號：2715830