基于遗传算法改进的神经网络模型对汛期潼关高程的计算.pdfVIP

泥 沙 研 究 年 月 第 期 基于遗传算法改进的 神经网络模型 对汛期潼关高程的计算 刘媛媛 练继建 张金良 中国水利水电科学研究院减灾所 北京 天津大学建工学院 天津 黄河水利委员会 河南郑州 摘要 将遗传算法全局寻优和 神经网络局部寻优的特点结合起来 取长补短 解决了 网络收敛速度慢 和易于陷入极小值的问题 大大提高了 网络的计算精度和收敛速度 并应用该模型 在分析影响汛期潼 关高程因素的基础上 对汛期潼关高程的变化量进行了计算 并利用该 网络模型对不同条件下的潼关高 程的变化值进行了预测 模型能很好的反映潼关高程的变化趋势 经过遗传算法改进后的 网络在降低计算 和预测的平均误差的同时 迭代次数比一般 网络也大大减少 很适合运用在复杂的水库优化调度计算中 关键词 遗传算法 神经网络 潼关高程 中图分类号 文献标识码 文章编号 前言 潼关断面是其上游河道汇流区的侵蚀基准面 潼关高程的高低与小北干流 渭 洛河下游的泥沙冲 淤关系密切 对该地区的防洪 除涝有着重要的影响 由于潼关断面在三门峡库区中所处的特殊的地 理位置 潼关高程问题一直是三门峡水库调度运用过程中非常敏感的问题 计算和预测不同的水库运用 方式下潼关高程的升降具有重要的意义 以往计算潼关高程的方法主要有输沙率法 地形法以及水流泥沙数学模型 但影响潼关高程升降 的因素很多 比较复杂 潼关又处于渭 洛河与黄河的交汇处 计算时边界条件处理起来非常麻烦 以 往的计算方法具有很强的主观性 误差很大 由于以上种种原因 目前的计算模型不能很好的解决潼关 高程问题 这就需要采用一种新的计算方法 人工神经网络 遗传算法突破了以往传统的数学模型为基础的思维与处理方法 目前人工神经网 络模型有很多种 神经网络是人工神经网络的重要模型之一 应用极为广泛 其具 有很好的分布存储和容错性 非常适合解决非线性问题 而且在实测资料不够完备的情况下仍然可以进 行预测和计算 遗传算法 是一种新型优化算法 能有效地利用历史信息来推测下 一代期望性能有所提高的寻优点集 这样一代代地不断进化 最后收敛到一个最适应环境的个体上 求 得问题的最优解 这两种方法都很适合求解非线性问题 但又有各自的缺点 网络的误差函数为平方型 存在局部 极小值问题 且收敛速度较慢 遗传算法在建立系统层次结构等方面有着独特的优点 但在学习 训练能 力上远不如神经网络 因此可以将这两种有机结合起来 取长补短 本文即采用遗传算法改进的 神经网络对汛期潼关高程的变化量进行了计算和预测 收稿日期 作者简介 刘媛媛 女 工程师 博士 主要从事防洪减灾研究 遗传算法改进的 神经网络模型 网络主要是采用误差梯度下降的权重修改原则 在应用上的主要问题是收敛速度太慢 而且不 能保证收敛到全局最小点 遗传算法 擅长全局搜索 神经网络则比较适合局部搜索 可以取两种 方法各自的特点 一般 网络收敛速度慢 主要是因为初始权值选择的不好 在神经网络的训练中 初始权值的确定一般都是由随机生成的 这是导致神经网络收敛速度较慢的一个原因 训练之前可以 先通过遗传算法对染色体的交叉 变异等遗传运算找到 网络的最优初始权值 当 网络陷入极小 值时 可以再次转入遗传算法对网络参数进行优化 如此 就可以通过遗传算法的特点解决了 网络存在的问题 步骤 由遗传算法得到参加 网络训练的最优权值和阈值 针对参加训练的输入因子 按神经网络的常规方法生成网络的权重 完整的神经网络权重 为 相当于一个染色体 随机产生这样的染色体共 个 也就是种群的规模 由于权值对精度要求比较 高 故采用浮点编码对其编码 则每个染色体上的基因为一个二维矩阵 整个染色体为一个三维矩阵 将每