BP 神经网络预测河流月径流量
胡 宾 , 崔广柏 , 朱灵芝
(
河海大学水文学及水资源系 , 江苏 南京 210098
)
摘 要 : 河流的月径流量是随机变化的 , 影响因素很多 , 如人类活动、降雨、下垫面的土壤、植被覆盖情
况。利用人工神经网络理论建立 BP
(
Back2Propagation , 反向传播方法
)
网络预测模型 , 用该模型对河流的月径流
量进行预测 , BP 神经网络模型计算快速 , 占用内存小 , 还有很好的容错性 , 可以得到比较理想的结果 , 精度高 ,
可靠性好。模型建立之后 , 将其用于实例 , 通过对大量样本进行很多次的训练学习 , 得到训练好的 BP 网络模
型 , 最后进行预测 , 得到令人比较满意的结果。
关键词 : 月径流量 ; BP 人工神经网络 ; 预测
中图分类号 : TV121 文献标识码 : A 文章编号 : 10082701X
(
2007
)
0220015202
Prediction of monthly runoff based on BP neural network
HU Bin , CUI Guang2bo , ZHU Ling2zhi
(
Department of Hydrology , Hehai University , Nanjing 210098 , China
)
Abstract : The monthly runoff changes randomly and there are a lot of influence ingredients , such as human activities , rainfall ,
the soil and plant conditions on the ground. BP neural network based on the theory of artificial neural network is set up and this
BP neural network is used to predict the every2month runoff , whereas the BP neural network model can give the result quickly ,
and itπs precise and credible. We use the model to predict. First , use a large mount of samples to practice the BP neural network
medel. After such training , this model can be utilized to predict the monthly runoff , and a satisfied result will be got finally.
Key words : monthly runoff ; BP neural network; prediction
收稿日期 : 2006211209
作者简介: 胡 宾
(
1982 -
)
, 男 , 在读硕士研究生 , 主要从
事环境水文和水环境保护研究。
1 BP 神经网络模型
111 BP 神经网络原理
BP 神经网络是一种反向传播并修正误差的多层前馈映
射网 , 是当前应用最广的一种网络。只要有足够的隐节点 ,
它可以实现任意 R
n
上 [0 1 ]
n
到 R
m
的映射能力 , 自学习、
自组织和适应能力。
BP 网络的拓扑结构如图 1 所示。由 1 个输入层、1 个
或多个隐含层以及 1 个输出层组成 。网络的学习过程包括
正向传播和反向传播。在正向传播过程中 , 输入信息从输
入层经隐含层加权处理传向输出层 , 经作用函数运算后得
到的输出值和期望值进行比较 , 若有误差 , 则误差反向传
播 , 沿原先的连接通路返回 , 通过逐层修改各层神经元的
权系数 , 减小误差 , 如此循环直到输出满足要求为止
[1]
。
图 1 BP 网络结构图
BP 算法的步骤概况
[2]
和流程图
(
见图 2
)
如下 :
(
1
)
初始化 给各连接权 { W
ij
} , {V
jt
} 及阈值 {
θ
j} ,
{
γ
t} 赋予
(
- 1 , + 1
)
间的随机值。
(
2
)
随机选取一样本对
A
K
=
(
α
1
k
,
α
2
k
, ……,
α
n
k
)
,
Y
k
=
(
y
1
k
, y
2
k
, ……, y
q
k
)
提供网络。
(
3
)
用输入样本 A
K
=
(α
1
k
,
α
2
k
, ……,
α
n
k
)
, 连接
权 {W
ij
} 和阈值 {
θ
j} 计算中间层各单元的输入 S
k
j
, 然后
通过 S 函数计算中间层各单元的输出 { b
k
j
}
S
k
j
= 6
n
i =1
Wij
α
k
i
-
θ
j j = 1 , 2 , …, p
b
k
j
= f
(
S
k
j
)
·51·
第 2 期 总第 150 期
2007 年 3 月
浙 江 水 利 科 技
Zhejiang Hydrotechnics
No. 2 Total No. 150
March 2007
评论4