BP神经网络在大理河年径流预测中的应用.pdf

第 32 卷第 8期 　　　　　　　　　　　　　　　　 Vol. 32 , No. 8 　　人 　民　黄 　河 　　　　　　　　　　　　　　　　　 　 　　20 10 年 8 月 　　　　　　　　　　　　　　　　　　　YELLOW 　R IV ER 　　　　　　　　　　　　　　　　　　 　A ug. , 20 10　　 【水文 ·泥沙 】 BP神经网络在大理河年径流预测中的应用 赵丽娜 ,宋松柏 (西北农林科技大学 水利与建筑工程学院 ,陕西 杨凌 712 100) 摘 　要 : 以大理河为例 ,根据其 1964—2001年年径流序列的长期变化特征 ,利用 MA TLAB 工具箱提供的神经网络设计 、 训练及仿真函数建立了年径流预测的 B P神经网络预测模型 。结果表明: B P神经网络预测值检验的合格率为 100% ,预 报精度明显高于自回归模型 。 关 　键 　词 : MA TLAB 工具箱 ; B P神经网络 ; 年径流 ; 大理河 中图分类号 : P338. 6　　　文献标识码 : A 　　　do i: 10. 3969 / j. issn. 20 10. 08. 0 13 　　大理河位于陕西北部 ,干流全长 170 km ,流域面积为 3 906 验法确定隐含层的节点数 ,即不断增加隐含层的节点数进行网 km2 ,是无定河最大的支流 ,该流域大部分属黄土丘陵沟壑区 , 络训练和测试 , 比较不同方案的训练和测试结果 ,选取合适的 地形破碎 ,植被稀疏 ,水土流失严重 。预测其年径流量对于合 隐含层节点数 。由于本研究限于一维时间序列 , 因此只需要一 理开发和利用径流资源 ,更好地制定区域社会经济发展规划具 个输出层节点 。 ( ) ( 有十分重要的意义 ,笔者应用 B P神经网络对此进行了分析 。 2 输入输出数据的预处理 。由于网络的转换函数 Sig ) moid 函数 在 [ 0, 1 ]区间的变化梯度较大 , 因此一般网络训练 1　理论基础 时均把样本数据变换到这一区间。对输入输 出向量作如下 处理 : 1. 1　B P神经网络的建模原理 ( P i - P i ) ×0. 996 目前 ,在人工神经网络 [ 1 - 5 ] 的实际应用中 ,绝大部分神经 ′