人工神经网络优化模型在洪水预报中的应用.pdfVIP

第39卷第16期 人 民 长 江 V01．39．N0．．16 2008年8月 River YaJlgtze Aug．，2008 文章编号：1001—4179(2008)16—0011一03 人工神经网络优化模型在洪水预报中的应用 杨志刚12汪春文3 魏博文1 (1．南昌大学建筑工程学院，江西南昌330029；2．河海大学水电工程学院，江苏南京210098；3．长沙市政 工程公司，湖南长沙410007) 摘要：应用人工神经网络技术，采用动量法和学习率自适应的改进算法，并对组成网络结构的各影响因素进行 分析，通过试算法得到网络模型的优化参数，该优化模型能够有效提高训练速度和学习效率。结合鄱阳湖洪水 历史资料，构建了鄱阳湖洪水预报模型，分析结果表明该模型操作过程相对简便易行，精度较高。对BP网络模 型结构及其算法，鄱阳湖洪水预测优化网络模型的建立及其实际适用情况作了简要介绍。 关键词：人工神经网络；动量法；洪水预报；鄱阳湖 中图分类号：P338 文献标识码：A 因子对应于BP网络输入层的一个节点，将分类和识别问题的 1概述 结果作为BP网络的输出，输入层和输出层节点数目依问题的 近些年来，作为一门新兴的交叉学科，对人工神经网络(舡． 性质而定。当BP网络的结构确定以后，用该网络对样本系列进 幽cial Nelml№t—work—ANN)。1o的研究取得了显著的进展。 行监督学习，从而识别出模式与影响因子之间的复杂非线性映 ANN是一个非线性数学结构，能够描述任意复杂的非线性过 射关系。 程，其中应用最广泛的是BP网络，尽管神经网络方法幢。在建模 采用反向传播学习算法，BP【71将训练模式输入至输出层，并 中不存在具有物理意义的模型结构和模型参数，但它只需输入 传至后面的隐含层，通过连接权向后传递，直至得到整个网络的 和输出数据而不需模型结构假设，而且网络经过训练和学习，其 输出。网络中每个神经元通过求输入权值和与经非线性兴奋传 各节点上权重系数实际上已经隐含着我们尚不能明了的参数和 递的函数结果来工作，其数学描述如下： 模型结果。BP网络以其良好的非线性函数或泛函能力以及其 o咄=八w≠。)=八：％o咄+曰。)(1) 自组织、自适应性能和容错性等特点为非线性系统的建模、识别 式中眦￡。和口。分别为隐含层或输出层神经元的刺激输入值和兴 和预测提供了一条有效的新途径。BP网络也具有较强的局限 奋阈值；础i为连接权值。 性，如网络的训练存在局部极小问题，影响网络的泛化性能，同 得到输出值后，将其与相应训练模式的目标值进行比较，按 时隐层数及隐层节点个数的难以确定、收敛速度较慢；BP网络 预先定义的网络误差函数求出误差值。如果该误差值小于容许 还存在对初值的依赖性，对洪水预报由于训练样本的局限，导 值，则训练完成，否则误差按梯度下降法调整网络连接权值： 致对洪水的预报精度往往较低【3“J。本文采用基于动量法孤学 习率自适应的改进算法，同时通过试算得到网络训练优化参数， △哪=叩％0， (2) 能够有效克服经典BP模型收敛速度慢、运行效率低的缺陷，并 式中叩为学习速率；占。为第￡层神经元j的误差信号；0。为第￡ 将优化BP网络模型应用到鄱阳湖洪水预