没有合适的资源?快使用搜索试试~ 我知道了~
人工神经网络在径流长期预报中的应用.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 19 浏览量
2022-07-11
09:46:01
上传
评论
收藏 141KB PDF 举报
温馨提示
试读
2页
人工神经网络在径流长期预报中的应用.pdf
资源推荐
资源详情
资源评论
【水文 ·泥沙 】
人工神经网络在径流长期预报中的应用
胡军华 ,唐德善 ,胡庆和
(
河海大学 商学院 ,江苏 南京 210098
)
摘 要 :介绍了人工神经网络
(
A rtificial Neural Network—ANN
)
模型 ,并阐述了 BP模型算法。通过 Matlab6. 5中的 Neural
Network Toolbox编写程序 ,根据塔里木河源流叶尔羌河卡群控制水文站历年的气象资料和水文资料 ,对径流量进行了预
报 ,并对模型进行了验证和分析 ,结果表明 : 1968~1997年间预报合格的有 25年 ,合格率为 83%; 1998~2002年的合格
率为 100% ,从而说明神经网络在水文预报方面具有良好的适用性。
关 键 词 : 应用 ; 径流预报 ; BP模型 ; 人工神经网络
中图分类号 : P338 文献标识码 : A 文章编号 : 1000 1379
(
2005
)
09 0026 02
1 序 言
河流径流预报是水利工程运行调度环节的关键 ,预测结果
的准确性大小不仅关系到输水目标管理系统中来水流量信息
的准确与否 ,而且还关系到各个控水节点是否能够实现输水目
标。准确的来水预报可以最大限度地协调水资源综合利用中
出现的各种用水矛盾 ,为水权分配 、调度及控制提供决策依据 ,
因此 ,径流预报对水权的管理及研究都具有十分重要的意义。
人工神经网络
(
A rtificialNeuralNetwork,简称 ANN
)
是一门
涉及数学、物理学、脑科学、心理学、认知科学 、计算机科学 、人
工智能等学科的新兴交叉学科
[1 ]
。它力图模拟人脑的一些基
本特性 ,如自适应性、自组织性、高度并行性、鲁棒性和容错性
等智能信息处理功能 ,对于正确描述非线性问题具有十分重要
的实际意义。它还善于联想、概括、类比和推理 ,能够从大量的
统计资料中分析、提炼实用的统计规律。作为国际上的前沿研
究领域 ,目前已经得到广泛的应用和研究。笔者把人工神经网
络模型应用于气象 - 径流量这一复杂的非线性系统研究 ,并根
据塔里木河源流叶尔羌河卡群控制水文站的年径流量与气象
(
月
气温、年降水量
)
历史资料进行了预报 ,检验了模型的适用性。
2 BP神经网络
2. 1 BP神经网络模型简介
1986年 , Rumelhan 和 McCelland 领导 的 科 学 家 小 组 在
《Parallel D istributed Processing》一书中 ,对具有非线性连续转移
函数的多层前馈网络的误差反向传播
(
Error Back Propagation,
简称 BP
)
算法进行了详尽的分析 ,实现了 M inskv关于多层网络
的设想。由于多层前馈网络的训练经常采用误差反向传播算
法 ,因此人们也常把将多层前馈网络直接称为 BP网络
[2 ]
。
BP网络属于多层人工神经网络 ,由若干层神经元组成 ,它
们可分为一个输入层、一个或多个隐含层和一个输出层 ,各层
的神经元作用都是不同的
[3 ]
。输入信息从输入层经隐含层
(
一
层或多层
)
传向输出层 ,如果在输出层得不到期望输出 ,则转入
反向传播 ,将误差信号沿原来通路返回 ,通过学习来修改各层
神经元的权值 ,使误差信号最终达到最小。3层 BP网络结构
见图 1。
图 1 3层 BP网络结构
每层神经元的状态都将影响下一层的神经元状态。每个
神经元状态都对应着一个作用函数
(
f
)
和阀值
(
a
)
, BP网络的
基本处理单元量为非线性输入 - 输出的关系 ,输入层神经元阀
值为 0,且 f
(
x
)
= x;
而隐含层和输出层的作用函数为非线性的
Sigmoid型函数 ,其表达式为
f
(
x
)
=
1
1 + e
- x
(
1
)
2. 2 BP学习算法
设有 N 对学习样本
(
P
k
、O
k
, k = 1, 2, …, N
)
,输出层单元数
为 M , P
k
为输入 , O
k
为期望输出 ,令网络传播后得到的实际输出
为 T
k
,则 T
k
与期望输出 O
k
之间的均方误差为
E =
∑
N
k =1
E
k
=
1
2
∑
N
k =1
∑
M
p =1
(
T
kp
- O
kp
)
2
(
2
)
为了使误差平方和 E最小 , 可利用梯度下降法修改网络的权
值 ,所有学习样本对权值 W
ij
的修正为
Δ
W
ij
(
k
)
= -
η
δ
E
k
δ
W
ij
(
3
)
式中 :
η
为学习速率 , 0 ≤
η
≤ 1。
为了增加学习过程的稳定性 ,
一般可用下式对 W
ij
进行二
次修正 ,即
收稿日期 : 2005 03 08
基金项目 :水利部 948科技创新项目
(
CT200424
)
。
作者简介 :胡军华
(
1978
)
,男 ,河南郏县人 ,在读博士 ,主要
研究方向为资源技术经济及管理。
第 27卷第 9期
人 民 黄 河
Vol. 27, No. 9
2005年 9月
YELLOW R IVER
Sep. , 2005
资源评论
智慧安全方案
- 粉丝: 3698
- 资源: 59万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功