FIR神經(jīng)網(wǎng)絡(luò)及其在洪水預(yù)報(bào)上的應(yīng)用.pdf

1、由于人工神經(jīng)網(wǎng)絡(luò)(ANN)具有強(qiáng)的學(xué)習(xí)能力、實(shí)時(shí)性的潛能、良好的魯棒性、容錯(cuò)性和非線性等,因此在當(dāng)前國(guó)內(nèi)外眾多領(lǐng)域,A N N技術(shù)的應(yīng)用日益廣泛,在水文預(yù)報(bào)的應(yīng)用中也取得了豐碩的成果.本文首先闡述了ANN的發(fā)展和研究現(xiàn)狀及其應(yīng)用狀況,并且,特別介紹了BP和FIR神經(jīng)網(wǎng)絡(luò);然后,分析了國(guó)內(nèi)外在ANN的泛化能力、ANN在水文預(yù)報(bào)的應(yīng)用和洪水演進(jìn)上所取得的成果及研究現(xiàn)狀.在這些基礎(chǔ)上,提出了本文的內(nèi)容,并取得了如下成果:1.針對(duì)ANN的泛化能

2、力、學(xué)習(xí)時(shí)間和收斂性對(duì)訓(xùn)練樣本的依賴,本文在大樣本時(shí),提出用聚類分析的方法來(lái)挑選樣本,減少訓(xùn)練樣本的數(shù)量以提高質(zhì)量和收斂性,節(jié)省學(xué)習(xí)時(shí)間;對(duì)于像洪水這種特征的數(shù)據(jù),在建立動(dòng)態(tài)ANN(如FIR神經(jīng)網(wǎng)絡(luò))模型時(shí),用插值對(duì)樣本作數(shù)據(jù)平滑,以減小系統(tǒng)誤差,從而達(dá)到提高泛化能力的目的.并通過(guò)實(shí)例,驗(yàn)證了這些策略是可行的,取得了較好的預(yù)期效果.2.針對(duì)在現(xiàn)有的水文預(yù)報(bào)中所采用的ANN,以BP網(wǎng)絡(luò)為主,都是靜態(tài)的網(wǎng)絡(luò),這與水文序列本身是一個(gè)動(dòng)態(tài)系統(tǒng)相

3、矛盾.為了更好的防洪避害,需要精度高實(shí)時(shí)的洪水預(yù)報(bào).引入動(dòng)態(tài)FIR神經(jīng)網(wǎng)絡(luò)于洪水預(yù)報(bào),并和BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)的效果進(jìn)行了比較.結(jié)果證明:FIR神經(jīng)網(wǎng)絡(luò)的精度比采用改進(jìn)算法的BP網(wǎng)絡(luò)的要好,而且,模型參數(shù)少,收斂快.同時(shí),在一定條件下,FIR網(wǎng)絡(luò)可完全等價(jià)于BP網(wǎng)絡(luò),因而它具有更廣泛的應(yīng)用范圍.3.針對(duì)目前對(duì)河道洪水演進(jìn)的研究方法主要是水動(dòng)力學(xué)方法和水文學(xué)方法,它們對(duì)河道水情和地形資料要求太高,實(shí)施難,實(shí)時(shí)性差.引入對(duì)這些資料要求不高,并能