门限人工神经网络模型及其在洪水预报中的应用.pdfVIP

第 21 卷第 4 期 四　川　水　力　发　电 V o l. 21 ,N o. 4 2 0 0 2 年 1 2 月 Sichuan　W ater　Pow er D ec. , 2 0 0 2 门限人工神经网络模型及其在洪水预报中的应用 覃 光 华, 　丁　晶, 　王 文 圣 ( 四川大学 水电学院, 四川 成都　610065) 摘　要: 结合门限自回归模型与人工神经网络模型的建模思想, 首次提出这两种方法的耦合模型, 即门限人工神经网络模型。新模 型的实质是一种分段非线性化的处理方法, 是对现有门限模型分段线性化的很好改进。实例计算结果说明, 新模型在洪水的预报 中是有效的, 在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。 关键词: 门限人工神经网络; 洪水预报; 水文预报; 自相关分析技术 中图分类号: 33; 213. 4 文献标识码: 　 文章编号:(2002) P TV B 1　引　言 亦不相同。例如, 洪水系统在中高水段变化急剧而复 洪水预报是水文预报的一个重要组成部分, 它 杂, 在中低水段变化平缓, 前后时段系统变量相关关 的基本依据是大量的水文、气象、地形等实测资料。 系明显。 模型就是针对非线性动态系统的这 TANN 但是, 由于受众多因素的影响, 洪水系列尤其是峰值 一特点, 将系统分段后, 利用人工神经网络模型对各 部分, 在时序上表现出弱相依性、突变性和随机性等 段分别进行非线性的处理。因此, 它有效的克服了常 复杂的非线性特征。因此, 研究该类问题不宜采用单 规门限模型分段线性化的处理方法不能很好反映原 一的数学或物理模型, 而应将其视为一个开放的复 始非线性系统特征的缺点。 杂巨系统, 采用综合集成的方法。 笔者提出的 TANN 模型先用自相关分析技术 门 限 自 回 归 ( 确定洪水时序的延迟特性, 据此用点值图 (Do t T h resho ld A u to R egressive m odel, 简称 TA R ) 模型是英籍华人 H. Tong ( 汤家 F igu re) 确定 TA R 模型的门限区间个数和门限值的 ) 寻优范围, 最后在不同门限区间采用不同的人工神 豪 博士于 1978 年首次提出。TA R 模型能有效地描 述具有极限点、极限环、跳跃性、相依性、谐波等复杂 经网络模型。下面介绍 TANN