基于學習機器的洪水預報模型研究.pdf

1、洪水預報是一項重要的防災減災非工程措施,而以往的洪水預報方法較為復雜,建模工作要求較高,不易普及.從上世紀八十年代以來,以人工神經(jīng)網(wǎng)絡技術為代表的機器學習技術逐漸應用于洪水預報領域,并取得了一定的成果.該文結合機器學習技術,從尋找易用的、準確的、可靠的、實用性強的洪水預報方法的角度出發(fā),建立了多種基于新型的學習機器的洪水預報模型,并通過這些模型在實例中的表現(xiàn),對它們的性能進行了評價,提出了幾種基于學習機器的洪水預報解決方案.該文的主要內(nèi)

2、容包括:(1)對Elman型回饋人工神經(jīng)網(wǎng)絡模型進行了介紹,并對利用Elman型人工神經(jīng)網(wǎng)絡進行洪水預報動態(tài)建模中數(shù)據(jù)降噪、訓練控制、模型結構選擇等關鍵技術問題進行了較為深入的探討,對采用不同模型輸入時模型的預報效果進行對比.實例結果表明該模型是有效的,并具有強壯性、外延性等優(yōu)點.(2)針對人工神經(jīng)網(wǎng)絡建模模型規(guī)模較大的問題,引入了因素分析法,通過這種方法,縮減了模型參數(shù)的規(guī)模,在不降低模型效果的前提下,減少了模型訓練和模擬的計算量,加

3、強了模型的實用性.(3)通過建立復合型型人工神經(jīng)網(wǎng)絡模型的方法,有效的利用給定水文系統(tǒng)的先驗知識為人工神經(jīng)網(wǎng)絡模型的建模提供指導,使得建立出的模型更具合理性,該方法不同于傳統(tǒng)的人工神經(jīng)網(wǎng)絡建立方法,為基于人工神經(jīng)網(wǎng)絡的洪水預報建模提供了一種新的思路.(4)支持向量機(SVM)是一種適于在小樣本情況下進行建模的學習機器.該文參考前人的工作,對統(tǒng)計學習理論和支持向量機的相關知識進行了介紹,分析了SVM模型的特點,并對選用不同的模型和參數(shù)對支

4、持向量機模型的影響進行了探討.(5)根據(jù)支持向量機的特點,建立了固定訓練樣本集的SVM洪水預報模型、固定訓練樣本集長度的動態(tài)遞推SVM洪水預報模型和帶記憶的動態(tài)遞推SVM洪水預報模型三種基于SVM的洪水預報模型,它們在實例中的表現(xiàn)體現(xiàn)出了良好的應用前景.(6)針對各種基于學習機器的洪水預報模型,文中通過實例對它們的預報效果進行了評價,較為系統(tǒng)的對比了它們的特點,為它們在洪水預報領域內(nèi)的產(chǎn)品化提供了指導.(7)提出了洪水預報模型預評估機(