bp神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型在洪水預(yù)報(bào)系統(tǒng)中的應(yīng)用

《bp神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型在洪水預(yù)報(bào)系統(tǒng)中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、萬方數(shù)據(jù)第35卷第1期水文V01．35No．1型!!塑——JOURNALOFCHINAHYDROLOGYFeb．，201——————————————————————————————————————————————————一：：BP神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型在洪水預(yù)報(bào)系統(tǒng)中的應(yīng)用胡健偉1，周玉良2，金菊良2(1水利部水文局，北京100053；2合肥工業(yè)大學(xué)土木與水利工程學(xué)院，安徽合肥230009)摘要：采用相關(guān)分析法，在區(qū)域降水、觀測(cè)斷面流量(或水位)因子中識(shí)別出影響預(yù)報(bào)斷面徑流過程的主要變量，在多個(gè)觀測(cè)斷面的數(shù)據(jù)均為流量情況下，采用基于時(shí)延

2、組合的合成流量為影響預(yù)報(bào)斷面徑流過程的變量，采用自相關(guān)分析法，識(shí)別出影響預(yù)報(bào)斷面徑流過程的前期流量(或水位)。以這些變量為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，以預(yù)報(bào)斷面的流量(或水位)為模型的輸出，在BP神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)自動(dòng)優(yōu)選的基礎(chǔ)上，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的洪水預(yù)報(bào)模型。將模型載入中國(guó)洪水預(yù)報(bào)系統(tǒng)中．應(yīng)用結(jié)果表明：模型在歷史洪水訓(xùn)練樣本具有一定代表性的情況下，可獲得較高的預(yù)報(bào)精度。關(guān)鍵詞：洪水預(yù)報(bào)；人工神經(jīng)網(wǎng)絡(luò)；BP算法；洪水預(yù)報(bào)系統(tǒng)：應(yīng)用中圖分類號(hào)：P338．9文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000—0852(2015)01—0020—06隨著

3、水文過程理論的不斷完善、水文觀測(cè)資料的豐富積累、地理信息系統(tǒng)和遙感等空間信息獲取和處理技術(shù)的快速發(fā)展，以水文學(xué)理論為基礎(chǔ)的概念性水文模型和基于水文物理機(jī)制的分布式水文模型均取得了長(zhǎng)足的進(jìn)步口-3】，大大提高了降水徑流過程模擬的精度和預(yù)報(bào)的準(zhǔn)確性，尤其是自然流域的洪水過程模擬和定量預(yù)報(bào)，基本達(dá)到了防汛的預(yù)警預(yù)報(bào)實(shí)用要求[1-31。但在河網(wǎng)水系發(fā)達(dá)的河口區(qū)域(一般在其下游存在回水頂托)，影響河道斷面流量(或水位)的因素眾多，且影響因素與斷面的流量(或水位)關(guān)系復(fù)雜，采用概念型流域水文模型和分布式流域水文模型進(jìn)行流域產(chǎn)匯流計(jì)算和河道洪水演算

4、時(shí)，往往存在研究區(qū)域內(nèi)的水文過程(如河道受周期性回水頂托)難以概化、模型模擬所需的資料難以滿足及模型的時(shí)空尺度難以合理選擇等問題，致使具有一定物理基礎(chǔ)的流域水文模型應(yīng)用于該類斷面的流量(或水位)計(jì)算、預(yù)報(bào)中精度較差。此外，很多山區(qū)河流水文站通常僅觀測(cè)水位，而無流量資料，而基于質(zhì)量、能量守恒的流域水文模型對(duì)流量通常能取得較好的模擬精度，但難以對(duì)受沖刷和於積作用影響較大的斷面水位(水深)進(jìn)行直接計(jì)算和預(yù)報(bào)。常規(guī)的線性回歸等統(tǒng)計(jì)方法，亦難以描述河道斷面的流量(或水位)與鄰近斷面的流量(或水位)、區(qū)域降水等影響因素間的復(fù)雜關(guān)系。BP人工神經(jīng)網(wǎng)

5、絡(luò)用工程技術(shù)手段模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能特征，采用非線性處理單元模擬人腦神經(jīng)元，用處理單元之間可變聯(lián)接強(qiáng)度(權(quán)重)來模擬突觸行為，構(gòu)成一個(gè)大規(guī)模并行的非線性動(dòng)力系統(tǒng)，適于描述系統(tǒng)輸入和輸出問的復(fù)雜關(guān)系，已在降水徑流過程模擬【4．q、河道洪水預(yù)報(bào)¨”、水文模型參數(shù)與洪水特征屬性間的關(guān)系【12。1習(xí)等水文系統(tǒng)建模中取得廣泛的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于專業(yè)問題能否成功取決于如下兩個(gè)主要方面：一是對(duì)所研究專業(yè)問題的概化，即尋找對(duì)水文系統(tǒng)輸出(如徑流過程、斷面流量等)起關(guān)鍵影響的因子以及對(duì)其之間存在的關(guān)系的分析：二是BP神經(jīng)網(wǎng)絡(luò)自身參數(shù)的確定

6、。此外，BP神經(jīng)網(wǎng)絡(luò)模型本質(zhì)上是一種“黑箱”統(tǒng)計(jì)模型．所選取的樣本必須具有足夠的數(shù)量和代表性。針對(duì)BP神經(jīng)網(wǎng)絡(luò)存在著學(xué)習(xí)速度慢、易陷入局部極小值等主要缺陷，許多學(xué)者分別從網(wǎng)絡(luò)參數(shù)的初始值設(shè)置、網(wǎng)絡(luò)隱層數(shù)及隱層節(jié)點(diǎn)數(shù)、激勵(lì)函數(shù)選擇、學(xué)習(xí)過程中網(wǎng)絡(luò)參數(shù)的調(diào)整、局部極小值退出措施等方面提出了相應(yīng)的改進(jìn)方案。其中，網(wǎng)絡(luò)參數(shù)的初始值～般具有較大概率搜索到全局最優(yōu)收稿日期：2014—06—05基金項(xiàng)目：國(guó)家自然科學(xué)基金(51109052)；水利部公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)(201001045)作者簡(jiǎn)介：胡健偉(1979-)，男，江蘇啟東人，碩士，高工

7、，從事水文情報(bào)預(yù)報(bào)研究。E—mail：jwhu@mwr．gov．cn通訊作者：周玉良(1982一)，男，安徽舒城人，博士，副教授，從事水文水資源研究。E—mail：ZYL54600@163．corn萬方數(shù)據(jù)第1期胡健偉等：BP神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型在洪水預(yù)報(bào)系統(tǒng)中的應(yīng)用21解的方法獲得[41：隱層數(shù)及隱層節(jié)點(diǎn)數(shù)、激勵(lì)函數(shù)型式一般采用試算法確定【8，1川；網(wǎng)絡(luò)參數(shù)調(diào)整主要有自適應(yīng)學(xué)習(xí)速率和附加動(dòng)量項(xiàng)方法r7,11,14]：局部極小值跳出主要采用網(wǎng)絡(luò)參數(shù)隨機(jī)擾動(dòng)結(jié)合參數(shù)優(yōu)化的措施舊。針對(duì)具有一定物理基礎(chǔ)的流域水文模型在現(xiàn)有條件下難以應(yīng)用于部

8、分區(qū)域的斷面流量(或水位)預(yù)報(bào)的問題，提出將基于BP神經(jīng)網(wǎng)絡(luò)的洪水預(yù)報(bào)模型作為中國(guó)洪水預(yù)報(bào)系統(tǒng)【161中的一種河道斷面流量(或水位)預(yù)報(bào)模型，模型通過編譯的動(dòng)態(tài)鏈接庫BP．dll載人中國(guó)洪水預(yù)報(bào)系統(tǒng)。中國(guó)洪水預(yù)報(bào)系統(tǒng)提供