近年來(lái),受到全球氣候變化的影響,極端強(qiáng)降水事件的發(fā)生頻率和影響程度呈上升趨勢(shì),因此,構(gòu)建有效的洪水預(yù)報(bào)模型便具有強(qiáng)烈的必要性。人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于水文相關(guān)的研究,如洪水預(yù)/警報(bào)等已經(jīng)得到了充分的發(fā)展與認(rèn)可。本文主要內(nèi)容為：一是將集合概念導(dǎo)入人工神經(jīng)網(wǎng)絡(luò),針對(duì)初始值擾動(dòng)、樣本重采樣、網(wǎng)絡(luò)結(jié)構(gòu)擾動(dòng)三方面分別產(chǎn)生集合成員,由簡(jiǎn)單平均、stacking平均和貝葉斯模型加權(quán)平均整合預(yù)報(bào)輸出,綜合考慮各種不確定性因素的影響,以構(gòu)建集合洪水預(yù)報(bào)模型；二是探討不同集合策略在兩個(gè)面積與水系皆不同的集水區(qū)構(gòu)建洪水預(yù)報(bào)模型時(shí)對(duì)于水文與地文因素的敏感性,并對(duì)洪水預(yù)報(bào)模型進(jìn)行可利用評(píng)價(jià)。本文主要的成果和創(chuàng)新點(diǎn)如下：(1)在不同的集水區(qū)下,相較于單一神經(jīng)網(wǎng)絡(luò)模型,集合神經(jīng)網(wǎng)絡(luò)模型大大地提高洪水預(yù)報(bào)的精度,且不同集合策略的輸出在不同集水區(qū)有較高的一致性,顯示集合策略對(duì)水文與地文因子變化的敏感度不高(2)在眾多集合策略中,以初始值擾動(dòng)和簡(jiǎn)單平均操作最簡(jiǎn)單,龍泉溪流域、金華江流域洪水預(yù)報(bào)模型預(yù)報(bào)輸出分別有16%-32%、10%-28%的提升；boosting算法重采樣和貝葉斯模型加權(quán)平均的組合效果于龍泉溪流域、金華江流域...

【文章頁(yè)數(shù)】：153 頁(yè)

【學(xué)位級(jí)別】：碩士

圖2.5監(jiān)督式學(xué)習(xí)ho7

圖2.6非監(jiān)普式學(xué)習(xí)f}1

圖１１微小的初始值差異導(dǎo)致預(yù)報(bào)值誤差之示意圖??

圖３．２二維權(quán)值搜尋示意圖??３．６丄２網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)擾動(dòng)技術(shù)??

本文編號(hào)：3885637