基于神經(jīng)網(wǎng)絡的水位流量關系率定.pdf

1、灌區(qū)量水是農(nóng)業(yè)灌溉中一項基礎性、必不可少的工作。通過水位流量關系率定工作,既可了解渠道輸送水量與供水能力,又可為灌區(qū)信息化管理和科學研究提供數(shù)據(jù)和積累資料,因此灌區(qū)量水技術正日益受到重視。
　　本文首先闡述了灌區(qū)常用的量水方法及神經(jīng)網(wǎng)絡在量水技術中的應用現(xiàn)狀,概述了贛撫平原主要干渠的基本情況及傳統(tǒng)的流量計算方法。詳細介紹了三種典型的人工神經(jīng)網(wǎng)絡:BP神經(jīng)網(wǎng)絡,RBF神經(jīng)網(wǎng)絡和灰色神經(jīng)網(wǎng)絡,具體包括基本原理,網(wǎng)絡結構和網(wǎng)絡訓練過程。

2、詳細介紹了粒子群算法和遺傳算法,并在基本粒子群算法中引入非線性慣性權重,使慣性權重隨迭代次數(shù)、個體極值及群體極值改變,得到了一種基于非線性動態(tài)變化慣性權重的改進粒子群算法(IIWPSO)。
　　針對灌區(qū)量水技術中傳統(tǒng)曲線擬合方法精度較低、流態(tài)難以確定的問題,以贛撫平原四干渠和六干渠為例,構建了傳統(tǒng)最小二乘法曲線擬合方法,常規(guī)BP神經(jīng)網(wǎng)絡模型、RBF神經(jīng)網(wǎng)絡模型和灰色神經(jīng)網(wǎng)絡模型進行流量預測,并從MSE,MAPE以及網(wǎng)絡最大相對誤差

3、等方面分析各個模型性能。仿真結果表明BP神經(jīng)網(wǎng)絡流量預測模型在幾種方法中精度最高?；贐P神經(jīng)網(wǎng)絡流量預測模型,分別用遺傳算法和改進的粒子群算法進行優(yōu)化,建立了 GA-BP和IIWPSO-BP流量預測模型。通過Matlab仿真證明,IIWPSO-BP流量預測模型精度要高于GA-BP流量預測模型和常規(guī)BP神經(jīng)網(wǎng)絡流量預測模型,且IIWPSO-BP流量預測模型穩(wěn)定性更好,精度更高,是一種行之有效的渠系流量計算方法,已經(jīng)成功地應用在贛撫平原主