山区流域RBF神经网络洪水预报方法.pdf
版权申诉
111 浏览量
2021-09-25
21:28:39
上传
评论
收藏 1.33MB PDF 举报
收稿日期:２０１９
－
０５
－
２３ꎮ
基金项目:福建省自然科学基金资助项目(２０１６Ｊ０１７３４)ꎮ
作者简介:金保明(１９７０—)ꎬ男ꎬ高级工程师ꎬ博士ꎬｊｂｍ７２０＠ １２６.ｃｏｍꎮ
引文格式:金保明ꎬ李斐斐ꎬ周传争ꎬ等.山区流域 ＲＢＦ 神经网络洪水预报方法[ Ｊ].南昌大学学报(工科版)ꎬ２０１９ꎬ４１(４):
３７１
－
３７６.
文章编号:１００６
－
０４５６(２０１９)０４
－
０３７１
－
０６
山区流域 ＲＢＦ 神经网络洪水预报方法
金保明
１
ꎬ李斐斐
１
ꎬ周传争
２
ꎬ王伟
１
ꎬ卢光毅
１
(１.福州大学土木工程学院ꎬ福建 福州 ３５０１１６ꎻ２.浙江省钱塘江管理局勘测设计院ꎬ浙江 杭州 ３１００１６ )
摘要:建立以高斯核函数为径向基函数的神经网络模型ꎬ以崇阳溪山区流域为例进行分析ꎮ 利用泰森多边形
法将流域划分为 ６ 个子流域ꎻ选取流域 １９９７—２０１４ 年中 １５ 场洪水过程作为训练样本ꎬ以流域内 ６ 个雨量站各时段
雨量资料和武夷山水文站前期流量过程作为输入ꎬ以流域出口断面武夷山水文站相应流量过程作为输出ꎬ运用自
组织正交最小二乘法确定径向基函数的中心ꎬ采用伪逆规则求解其权值ꎬ建立 ＲＢＦ 神经网络洪水预报模型ꎻ利用余
下的 ６ 场洪水过程对模型进行检验ꎮ 结果表明:各场次洪水流量过程平均相对误差和洪峰流量相对误差绝大部分
在 １０％以内ꎬ确定性系数均大于 ０.９ꎬ预报精度符合要求ꎬ可以为防汛部门预测洪水提供依据ꎮ
关键词:径向基函数ꎻ神经网络ꎻ洪水预报ꎻ山区流域
中图分类号:ＴＶ１２４ꎻＰ３３８ 文献标志码:Ａ
Ｒｅｓｅａｒｃｈ ｏｎ ｆｌｏｏｄ ｆｏｒｅｃａｓｔｉｎｇ ｍｏｄｅｌ ｏｆ ｒａｄｉａｌ ｂａｓｉｓ
ｆｕｎｃｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｎ ｍｏｕｎｔａｉｎｏｕｓ ｂａｓｉｎ
ＪＩＮ Ｂａｏｍｉｎｇ
１
ꎬＬＩ Ｆｅｉｆｅｉ
１
ꎬＺＨＯＵ Ｃｈｕａｎｚｈｅｎｇ
２
ꎬＷＡＮＧ Ｗｅｉ
１
ꎬＬＵ Ｇｕａｎｇｙｉ
１
(１.Ｃｏｌｌｅｇｅ ｏｆ Ｃｉｖｉｌ ＥｎｇｉｎｅｅｒｉｎｇꎬＦｕｚｈｏｕ ＵｎｉｖｅｒｓｉｔｙꎬＦｕｚｈｏｕ ３５０１１６ꎬＣｈｉｎａꎻ
２.Ｓｕｒｖｅｙ ａｎｄ Ｄｅｓｉｇｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｑｉａｎｔａｎｇ Ｒｉｖｅｒ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ ｏｆ Ｚｈｅｊｉａｎｇ ＰｒｏｖｉｎｃｅꎬＨａｎｇｚｈｏｕ ３１００１６ꎬＣｈｉｎａ)
Ａｂｓｔｒａｃｔ:Ａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ ｗｉｔｈ Ｇａｕｓｓ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ ａｓ ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄꎬａｎｄ ｔｈｅ
ｍｏｕｎｔａｉｎｏｕｓ ｗａｔｅｒｓｈｅｄ ｏｆ Ｃｈｏｎｇｙａｎｇ Ｒｉｖｅｒ ｗａｓ ｔａｋｅｎ ａｓ ａｎ ｅｘａｍｐｌｅ ｉｎ ｔｈｉｓ ｐａｐｅｒ.Ｆｉｒｓｔｌｙꎬｔｈｅ ｗａｔｅｒｓｈｅｄ ｗａｓ ｄｉｖｉｄｅｄ
ｉｎｔｏ ｓｉｘ ｓｕｂ￣ｗａｔｅｒｓｈｅｄｓ ｂｙ Ｔｈｉｅｓｓｅｎ ｐｏｌｙｇｏｎ ｍｅｔｈｏｄ.Ａｎｄ ｔｈｅｎ １５ ｆｌｏｏｄ ｐｒｏｃｅｓｓｅｓ ｉｎ ｔｈｅ ｂａｓｉｎ ｆｒｏｍ １９９７ ｔｏ ２０１４
ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ｔｒａｉｎｉｎｇ ｓａｍｐｌｅｓꎬｔｈｅ ｒａｉｎｆａｌｌ ｄａｔａ ｏｆ ｓｉｘ ｒａｉｎｆａｌｌ ｓｔａｔｉｏｎｓ ｉｎ ｔｈｅ ｂａｓｉｎ ａｎｄ ｔｈｅ ｐｒｅ￣ｄｉｓｃｈａｒｇｅ ｐｒｏｃｅｓｓ
ｏｆ Ｗｕｙｉｓｈａｎ Ｈｙｄｒｏｌｏｇｉｃａｌ Ｓｔａｔｉｏｎ ｗｅｒｅ ｔａｋｅｎ ａｓ ｉｎｐｕｔꎬａｎｄ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｄｉｓｃｈａｒｇｅ ｐｒｏｃｅｓｓ ｏｆ Ｗｕｙｉｓｈａｎ Ｈｙｄｒｏｌｏｇｉ￣
ｃａｌ Ｓｔａｔｉｏｎ ａｔ ｔｈｅ ｏｕｔｌｅｔ ｓｅｃｔｉｏｎ ｏｆ ｔｈｅ ｂａｓｉｎ ｗａｓ ｔａｋｅｎ ａｓ ｏｕｔｐｕｔ.Ｓｅｌｆ￣ｏｒｇａｎｉｚｉｎｇ ｏｒｔｈｏｇｏｎａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ ｍｅｔｈｏｄ ｗａｓ
ｕｓｅｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｃｅｎｔｅｒ ｏｆ ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎꎬｔｈｅ ｐｓｅｕｄｏ￣ｉｎｖｅｒｓｅ ｒｕｌｅ ｗａｓ ｕｓｅｄ ｔｏ ｓｏｌｖｅ ｉｔｓ ｗｅｉｇｈｔꎬａｎｄ ｔｈｅｎ
ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｌｏｏｄ ｆｏｒｅｃａｓｔｉｎｇ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ.Ｆｉｎａｌｌｙꎬｔｈｅ ｒｅｍａｉｎｉｎｇ ｓｉｘ ｆｌｏｏｄ ｐｒｏｃｅｓｓｅｓ ｗｅｒｅ ｕｓｅｄ ｔｏ
ｔｅｓｔ ｔｈｅ ｍｏｄｅｌ.Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ａｖｅｒａｇｅ ｒｅｌａｔｉｖｅ ｅｒｒｏｒ ｏｆ ｅａｃｈ ｆｌｏｏｄ ｄｉｓｃｈａｒｇｅ ｐｒｏｃｅｓｓ ａｎｄ ｔｈｅ ｒｅｌａｔｉｖｅ ｅｒ￣
ｒｏｒ ｏｆ ｐｅａｋ ｄｉｓｃｈａｒｇｅ ｗｅｒｅ ｍｏｓｔｌｙ ｌｅｓｓ ｔｈａｎ １０％ꎬｔｈｅ ｄｅｔｅｒｍｉｎｉｓｔｉｃ ｃｏｅｆｆｉｃｉｅｎｔ ｗａｓ ｇｒｅａｔｅｒ ｔｈａｎ ０.９ꎬａｎｄ ｔｈｅ ｐｒｅｄｉｃ￣
ｔｉｏｎ ａｃｃｕｒａｃｙ ｍｅｔ ｔｈｅ ｒｅｑｕｉｒｅｍｅｎｔｓꎬｗｈｉｃｈ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ａ ｂａｓｉｓ ｆｏｒ ｆｌｏｏｄ ｃｏｎｔｒｏｌ ｄｅｐａｒｔｍｅｎｔｓ ｔｏ ｐｒｅｄｉｃｔ ｆｌｏｏｄ.
Ｋｅｙ Ｗｏｒｄｓ:ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎꎻｎｅｕｒａｌ ｎｅｔｗｏｒｋꎻｆｌｏｏｄ ｆｏｒｅｃａｓｔｉｎｇꎻｍｏｕｎｔａｉｎｏｕｓ ｂａｓｉｎ
山区流域降雨强度大ꎬ降雨集中ꎬ形成的洪水具
有暴涨暴落的特点ꎬ经常引发洪涝灾害ꎬ难于预防和
预报ꎬ往往给当地带来巨大的损失ꎮ 山区中小流域
洪水预报显得至关重要ꎮ 水文预报是流域主要的防
洪非工程措施之一ꎬ做好山区中小流域的实时水文
预报工作ꎬ增长洪水预报预见期ꎬ及时制定相应的防
汛指挥决策ꎬ积极主动采取防御措施ꎬ最大程度减少
洪涝灾害的影响ꎬ减少经济损失ꎬ对促进国民经济的
第 ４１ 卷第 ４ 期
２０１９ 年 １２ 月
南昌大学学报(工科版)
Ｊｏｕｒｎａｌ ｏｆ Ｎａｎｃｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ(Ｅｎｇｉｎｅｅｒｉｎｇ ＆ Ｔｅｃｈｎｏｌｏｇｙ)
Ｖｏｌ.４１ Ｎｏ.４
Ｄｅｃ.２０１９
数据资源
- 粉丝: 112
- 资源: 23万+
最新资源
- 软件仿真多机串行通信.doc
- Python大作业：音乐播放软件（爬虫+可视化+数据分析+数据库）
- 课程设计-python爬虫-爬取日报，爬取日报文章后存储到本地，附带源代码+课程设计报告
- 软件和信息技术服务行业投资与前景预测.pptx
- 课程设计-基于SpringBoot + Mybatis+python爬虫NBA球员数据爬取可视化+源代码+文档+sql+效果图
- 软件品质管理系列二项目策划规范.doc
- 基于TensorFlow+PyQt+GUI的酒店评论情感分析，支持分析本地数据文件和网络爬取数据分析+源代码+文档说明+安装教程
- 软件定义无线电中的模拟电路测试技术.pptx
- 软件开发协议(作为技术开发合同附件).doc
- 软件开发和咨询行业技术趋势分析.pptx
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0