基于神经网络贝叶斯概率水文预报模型.pdfVIP

基于神经网络贝叶斯概率水文预报模型.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
水利学报 年 月 第 卷第 期 文章编号 基于 神经网络 的贝叶 斯概率水 文预报模型 李向阳 程春田 林剑艺 大连 理工大 学 土木水利 学院 辽宁 大 连 摘要 本 文在贝 叶斯概率水文预报系统 框架之上 研究了双牌水库 水文 预报的不确定性 建 立 了流量先验分 布 及 似 然函数的 神经网络模型 并通过 链 方法求 解得到 流量 后验分 布及其 统计参 数 通过对双牌水库历史洪水的研究结果表明 基于 神 经网络的 不 仅显著提高了 预 报 精 度 而且 为防 洪决 策提供了 更多的信息 使得预报人员在决策中能考虑预 报的不确定性 定量的 估计各种决策的风 险和后果 关键词 概率水文预报 不确定性 神经网 络 中图分类 号 文献标识码 水 文 预 报是防汛 抗旱和水资源 利用等重大决 策 的 重要 依 据 历来受到各方面的关注 也是应用水 文 学中发展昀快 的分支 现 在广泛使用的 水文预报 模型 如新安江模型 径流相关模型 蓄满产流模型 等 都是确定性水 文模型 模 型 以 确定的预报 值的形 式输 出 给用 户 预报调度人员根据获得的预报结果 通常是一个 确 定 的流量序 列 作出相应的 决策 然而 众所 周知 现在的预报模型是不够精确的 它只 是 对复杂水文过 程的一种近 似模拟 模型的 结构 参数以 及模型的输 入 都 是不精确 的 面对不确定 的水 文 过程和以确定 形式表述的 水文预报 防洪 调度决策者在 制订决策时 如 何科学地 对 待 处理水文 预报 并 达到昀优的调 度决策 就 成 为 人们关心的 课题 为了解决水 文 预 报 的 不 确 定 度 问 题 等人提出贝叶斯概 率预报系统 简称 框架 将 水 文 预报不确定性 分为输入不 确定性 由预 见期内降雨 不确定性引 起 与水文不确定性 并在此基础上做了大量开创性的工作 为水 文预报不确定性研究开辟了新的 途径 定量的 以概率 分布的形式描 述水文预 报不确定度 为防洪决策提供 了更多信息 使得预报 人 员在决策中能 考虑各种不 确定性 定量地 估计各种决策 的风险和后果 实现预报 和 决 策的有机结 合 本文 是在 框架上 结合湖南 省双牌水 库实际资料 基于 神经网络 建立 了贝 叶 斯概率 水文 预 报模型 并 对 双 牌水库水 文 预 报的不确定 性进行 分析 研 究 由于我国目前尚未发布流域概率降雨预 报 本文在研 究 双 牌水库流 量 预 报中并未考 虑预见期内概 率降雨的不确 定性 贝叶 斯概率 洪水预报 模型 令 表示在 预报时刻已 知的实测流量 前 期 过 程 表示 待 预 报的实际流 量过程 表示相应的确定性 水文预报模型输出流量过程 为预见 期 其相应的 小 写 字母 和 分别 表示变量 及 的实 现值 根据贝 叶 斯 公式 预见 期 的 实 际流量 的 后验密度函数 为 收稿日期 基金项目 国 家自然科 学基金 资助项目 作者简介 李向阳 男 浙 江东阳 人 博士生 主要 从事水文 预报研 究式中 为 后验密度函 数 为 流量过程的先 验不确定性 因在 预报 发布之前就已 存在 故称为 流 量 先验分布 它只和前期过 程 有关 对于 确定的 函数 为 的似 然函数 反映 了 预 报模型的 预 报 能力 目前 对流量 先验分 布和似 然函数 的研究 还处于 探索阶 段 曾提出线性 正态模 型 其 先对实际流 量 和确定性 模型预报流 量 进行一系列 转换 并对转换后的 与 进行线性 正 态假设 然后采 用线性回归 方法求得转换 空间 里 的后验密度 再返回原始空间 得到 的 后 验密度函数 由于该方法 过程复杂 且 需要进行线性 正态 假设 因而 其适 用性受到较大 的限制 神经网 络 技 术能较好 的 模 拟水文水资 源系统非线性 特征 适合 用来 建立 流量 先验分布和似 然函数 流量 先验分 布及似然 函数 的 神 经网络模 型 一般认为 水库流量过程 可采用 阶的马尔可 夫过程模拟 由历史资料 可以得 到样本 系列 其中 为预见期 为序 列长度 表 示 前期流量过 程 为模型阶数 根据这两个样本系列 建 立流量先验分 布及似然函 数采用 层网络结构 的 神 经网络模型 流量先验分 布 用 神经网络 定义的流量先 验分布模型可 以简单的用 下式表示 式中 为预见期 为预 报当前时刻 为先验分布 神经网络模型非线 性映射 为 时刻前期 流 量观测过程 为 模型阶数 为模型残 差 纯随机成 分 假定服从正态分 布 为模型 的均方误差 由式 可知 因 此流量先验分 布可以表示 为 流量似然函 数 神经网络 定 义 的流量似然函 数模型可以 用下式表示 式中 各同名 参 数 的意义和 前 文 表述的相同 为似然函数 神经网络模型非

文档评论(0)

天马行空 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档