【摘要】：山區(qū)中小流域由于受獨(dú)特的自然地理位置和氣候條件影響,往往洪澇災(zāi)害頻繁發(fā)生,給當(dāng)?shù)貛?lái)巨大損失。為了減輕洪澇災(zāi)害造成的損失,搞好山區(qū)中小流域的防洪減災(zāi)工作,特別是洪水預(yù)報(bào)工作,顯得尤其重要。論文將神經(jīng)網(wǎng)絡(luò)原理應(yīng)用于山區(qū)流域,建立神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型,以崇陽(yáng)溪流域?yàn)閷?shí)例進(jìn)行深入研究。主要內(nèi)容如下:(1)介紹梯度下降反向傳播(梯度下降BP)、Levenberg-Marquardt反向傳播(LMBP)、徑向基函數(shù)插值(RBF)三種神經(jīng)網(wǎng)絡(luò)算法的基本原理。(2)分析崇陽(yáng)溪流域的洪水特性,采用水文統(tǒng)計(jì)方法計(jì)算干流建陽(yáng)水文站、上游支流崇陽(yáng)溪武夷山水文站、麻陽(yáng)溪麻沙水文站三個(gè)站點(diǎn)的各頻率洪水流量。同時(shí)根據(jù)洪水過(guò)程資料綜合分析確定上游支流崇陽(yáng)溪武夷山水文站、麻陽(yáng)溪麻沙水文站到下游干流建陽(yáng)水文站的洪水傳播時(shí)間τ1、τ2。(3)以支流武夷山站前τ1小時(shí)洪水流量Q1(t-τ1)、麻沙站前τ2小時(shí)洪水流量Q2(t-τ2)兩個(gè)變量作為模型的輸入、下游干流建陽(yáng)站相應(yīng)洪水流量Q(t)為輸出,分別采用梯度下降BP、LMBP、RBF三種算法建立崇陽(yáng)溪流域洪水流量神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型,其中的網(wǎng)絡(luò)有關(guān)參數(shù)通過(guò)試算優(yōu)化得出。(4)從流域的實(shí)際情況與提高預(yù)見期的角度出發(fā),擬定適當(dāng)?shù)腡(一般T≥τ1或τ2),然后選擇下游干流建陽(yáng)站前T小時(shí)洪水流量Q(t-T)、上游支流武夷山站前τ1小時(shí)洪水流量Q1(t-τ1)、麻沙站前τ2小時(shí)洪水流量Q2(t-τ2)三個(gè)變量作為模型的輸入,下游干流建陽(yáng)站相應(yīng)洪水流量Q(t)為輸出,分別采用梯度下降BP、LMBP、RBF三種算法建立崇陽(yáng)溪流域洪水流量神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型,其中網(wǎng)絡(luò)的有關(guān)參數(shù)通過(guò)試算優(yōu)化得出。(5)對(duì)比分析梯度下降BP、LMBP、RBF三種算法、上述兩種輸入模式共六個(gè)種類的崇陽(yáng)溪流域洪水流量神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型,并對(duì)模型預(yù)報(bào)誤差進(jìn)行分析評(píng)定。結(jié)果表明三種算法、兩種輸入模式建立的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型時(shí)效性比較強(qiáng)、預(yù)測(cè)精度均符合要求,可以作為防汛部門預(yù)測(cè)洪水的依據(jù)之一,為山區(qū)中小流域的防汛調(diào)度提供依據(jù),從而達(dá)到防洪減災(zāi)的目的。相對(duì)來(lái)說(shuō),梯度下降BP、RBF兩種算法的神經(jīng)網(wǎng)絡(luò)模型精度略高于LMBP算法,考慮了干流建陽(yáng)站前T小時(shí)洪水流量的模型預(yù)測(cè)精度略高于不考慮建陽(yáng)站前T小時(shí)洪水流量的模型,其中考慮建陽(yáng)站前T小時(shí)洪水流量的梯度下降BP網(wǎng)絡(luò)模型效果最好。
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TV122;P338
【圖文】：

第二章人工神經(jīng)網(wǎng)絡(luò)算法逡逑神經(jīng)網(wǎng)絡(luò)逡逑網(wǎng)絡(luò)是一種參照生物神經(jīng)網(wǎng)絡(luò)的行為特征以及信息處理量形式簡(jiǎn)單的、相互高度連接的計(jì)算單元組成。它具有從己知的數(shù)據(jù)中尋找潛在規(guī)律。這是一種在現(xiàn)代神經(jīng)科數(shù)學(xué)模型，其數(shù)學(xué)結(jié)構(gòu)類似于圖２－１所示的大腦神經(jīng)突網(wǎng)絡(luò)。Ｈｅｃｈｔ－Ｎｉｅｌｓｅｎ給出的人工神經(jīng)網(wǎng)絡(luò)定義是：“人工是以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，通過(guò)對(duì)連續(xù)或斷續(xù)信息處理”邋［７２１。神經(jīng)網(wǎng)絡(luò)由大量的計(jì)算節(jié)點(diǎn)相互聯(lián)接構(gòu)的函數(shù)，稱為傳輸函數(shù)，來(lái)完成輸入到輸出間的變換。予一個(gè)數(shù)值（向量），稱為權(quán)值（權(quán)值向量），能以放大的信號(hào)。網(wǎng)絡(luò)的響應(yīng)則依網(wǎng)絡(luò)的連接方式、權(quán)值和傳輸其他神經(jīng)元的神經(jīng)末梢逡逑

邋＾Ｒ＾Ｖｂ］逡逑Ｐｒ邋，逡逑圖２－２神經(jīng)元示意圖逡逑多個(gè)神經(jīng)元并列組成神經(jīng)網(wǎng)絡(luò)的“層”。輸入向量的每一個(gè)元素均輸入到一個(gè)層中逡逑各個(gè)神經(jīng)元中。每個(gè)神經(jīng)元均可得到一個(gè)輸出，將所有神經(jīng)元的輸出結(jié)合可得到“層”逡逑的輸出向量。輸出向量再經(jīng)下一層得到有一個(gè)輸出向量，這樣多層的神經(jīng)元串聯(lián)構(gòu)逡逑就成神經(jīng)網(wǎng)絡(luò)，見圖２－３。每層具有權(quán)值矩陣Ｗ、偏置向量ｂ及輸出向量ａ。前一層逡逑的輸出為后一層的輸入。整個(gè)神經(jīng)網(wǎng)絡(luò)可以用下式表示：逡逑，丨＝ｒ＋丨（『＋丨，＋邋ｉ＾＋丨）邐（２－２）逡逑網(wǎng)絡(luò)的首層從外部接受輸入：逡逑ａ°＝ｐ邐（２－３）逡逑最后一層輸出作為網(wǎng)絡(luò)的輸出：逡逑ａ邋＝邋ａ從邐（２－４）逡逑其中：邋ｍ＝０，ｌ，２，邐Ｍ－１逡逑ａ——輸出向量逡逑Ｗ——權(quán)值矩陣逡逑ｂ邐偏置向量逡逑Ｍ一一網(wǎng)絡(luò)的層數(shù)逡逑９逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬玉磊;趙芳;;基于ABC-BP神經(jīng)網(wǎng)絡(luò)的洪水預(yù)測(cè)研究[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

2 關(guān)瑩;段春青;;神經(jīng)網(wǎng)絡(luò)模型在懷洪新河洪水預(yù)報(bào)中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2012年05期

3 曹枝俏;王國(guó)利;梁國(guó)華;王本德;劉濤;;基于隨機(jī)模擬信息的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型[J];水力發(fā)電學(xué)報(bào);2010年04期

4 狄艷艷;邱淑會(huì);史玉品;范國(guó)慶;;基于粒子群優(yōu)化的BP網(wǎng)絡(luò)算法在渭河下游洪水預(yù)報(bào)中的應(yīng)用[J];水資源與水工程學(xué)報(bào);2010年03期

5 王艷君;金生;;河網(wǎng)水情預(yù)測(cè)的三種BP神經(jīng)網(wǎng)絡(luò)方法比較[J];水電能源科學(xué);2010年02期

6 王光生;蘇佳林;沈必成;劉超;;神經(jīng)網(wǎng)絡(luò)理論在河道洪水預(yù)報(bào)中的應(yīng)用[J];水文;2009年05期

7 周麗;黃素珍;;神經(jīng)網(wǎng)絡(luò)在洪水預(yù)測(cè)中的應(yīng)用研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年17期

8 龐博;郭生練;熊立華;李超群;張俊;;改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)水文預(yù)報(bào)模型及應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2007年01期

9 葛文軍;邢貞相;;改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在洪水過(guò)程預(yù)報(bào)中的應(yīng)用[J];水利科技與經(jīng)濟(jì);2006年03期

10 戴會(huì)超;何文社;曹叔尤;;基于誤差修正的BP神經(jīng)網(wǎng)絡(luò)模型在河道洪水預(yù)報(bào)中的應(yīng)用[J];水電能源科學(xué);2006年01期

本文編號(hào)：2723271