模糊神經網絡及遺傳算法在實時洪水預報中的應用研究.pdf

1、水文預報是適應自然、減免損失的非常重要的防洪非工程措施,直接為防汛搶險、水資源合理利用與保護、水利工程建設與運用管理和發(fā)展工農業(yè)生產服務.水文預報是一個復雜的系統(tǒng),且具有很強的非線性特征.目前,不論是確定性水文預報模型,還是統(tǒng)計模型都是以實測資料為基礎建立起來的一類數(shù)學模型,由于受許多建模假設的限制,這些模型很大程度上只是對實際水文規(guī)律的一種近似模擬,難以用于處理水文現(xiàn)象及其要素之間內在的、復雜的非線性關系.在綜述國內外研究的基礎上,該

2、文把人工神經網絡、模糊集理論和遺傳算法結合起來嘗試建立模糊神經網絡實時洪水預報模型.該文的主要研究工作及成果概括如下:1.針對水文現(xiàn)象及其要素的模糊性以及它們之間關系的復雜性,把模糊數(shù)學知識表達好的特點與人工神經網絡模型學習能力強的特點結合起來,探討應用模糊神經網絡來實現(xiàn)洪水過程的實時預報.把遺傳算法用于神經網絡初始權重的優(yōu)化,可以在一定程度上克服神經網絡模型訓練中普遍存在的局部極小點問題.根據(jù)模擬洪水過程思路的不同,嘗試建立了兩類預報

3、模型(模型Ⅰ和Ⅱ),針對輸入因子的不同,在模型Ⅰ中又分為兩種情況.該文還探討了利用各雨量站屬于上、下游的隸屬度來描述降雨的空間分布.2.依據(jù)湖南雙牌水庫的水文資料,對于模糊神經網絡預報模型Ⅰ和Ⅱ進行了計算和檢驗,對于輸入?yún)?shù)的確定進行了研究,分析產生各種情況的原因,并在此基礎上,確定了最終的預報模型結構.3.神經網絡隱含層節(jié)點數(shù)與遺傳算法的各種運行參數(shù)沒有現(xiàn)成的參考公式,一般是在分析問題的基礎上,通過試驗的方法來確定.為了尋找模型的最佳