神经网络理论在黄河宁蒙河段冰情预报中的应用.docVIP

神经网络理论在黄河宁蒙河段冰情预报中的应用(( 王涛1 杨开林1 郭永鑫1 霍世青2 饶素秋2 邬虹霞2 1中国水利水电科学研究院，北京，100038 2黄河水利委员会水文局水文水资源信息中心，河南郑州，450000 摘要：本文研究了以神经网络理论为核心的黄河上游宁蒙河段冰情预报。通过分析河流冰情特点，开发出了用Levenberg-Marquart算法改进传统BP神经网络理论进行冰情预报的数学模型，适用于流凌、封河、开河、水温、流凌密度、冰塞、冰坝等的预报中。把该模型应用到2004年－2005年冰情预报中，提前预报出2004－2005年冰情发生情况，具有良好效果。理论分析和实例论证都表明该神经网络模型能够进行宁蒙河段冰情预报，并且它的经验能为其它冰冻区河流建立冰情预报模型提供有益的帮助和重要的参考。 关键词：BP神经网络；Levenberg-Marquart算法；流凌日期；封河日期；开河日期；水温 1．引言 冰情现象包括冰的形成、发展、运动、积累、融解的过程，是冬季影响河道运行的重要因素，它直接影响到水利工程的运行和维护、水力发电、内陆航运、冬季输水、河流的环境和生态等问题。黄河是中国凌汛出现最为频繁的河流，宁蒙河段宁蒙河段位于黄河流域最北端，全长超过1000km，呈“U”型GIS为平台支持的一套实用、可靠、先进、高效的黄河上游冰情预报系统，能够及时、准确地预报出冰情发生和发展情况，对防凌指挥、调度、决策要科学依据 （1） 其中：为误差平方和；是第个样本；是以为元素的向量；假定当前位置，向新位置移动，如果移动量很小，则可将展开成一阶Tailor级数 （2） 其中，表示当前的权值或阙值，为误差对权值或阙值微分的Jacobian矩阵 （3） 其中，表示第单元的权值或阙值。 于是误差函数可写为 （4） 对求导以使最小，可得 （5） 观察式（5），步长偏大，所以把误差表达式改写为 （6） 为正常数，式（6）中，对求极小值点，可得： （7） 其中，为单位矩阵。当足够大时保证总是正数，从而保证其可逆。算法的每一次迭代都要对进行自适应调整。当很小时，权值的调整类似于牛顿法；很大时，又类似于梯度下降法。所以，L-M算法同时具有牛顿法和梯度下降法两者的优势。 3．神经网络理论在冰情预报中的应用 网络的训练数据依赖大量历史资料，目前存在的历史资料大多来自河道上不同的水文站。用人工神经网络冰情，在对实测资料进行参数率定的基础上，结合气温预报，河段主要站点流凌日期流凌密度封河日期冰盖厚度开河日期开河最大流量、开河最高水位。 （8） 式中：为预报目标；为水温，℃；为气温，℃；为流量，m3/s；为槽蓄水量，m3；为流凌密度；为冰厚，m；为水位，m。 为了消除网络学习和预报中各个因子由于量纲和单位不同带来的影响，以及防止部分神经元达到饱和状态，对样本进行规格化处理 （9） 式中：和分别为转换前后的变量；和分别为的最大值和最小值；为一个取值为0和1之间的参数；。这样得到的输入量在[0、1]区间内。 实践和分析表明：同一水文站的冰还受到上下游水文站水力、热力和动力因素的影响，所以考虑到上下游水文站对预报结果的影响，公式（9）变为 （10） 式中：、、分别为本站、上游站和下游站的水力、热力等因素对冰情预报的影响。 4． 2004年－2005年冰情预报 现阶段，黄河宁蒙河段4个水文观测站：石嘴山巴彦高勒三湖河口头道拐。冰情预报模型的建立，主要依赖于这4个水文站冰情历史的和现时的实测资料。 （11） （12） （13） 其中：为流凌日期；为上游水文站流量，m3/s；为气温转负日期；累计负气温，℃；为流凌前期水温，℃；为预报前期气温，℃；为预报前期流量，m3/s；为预报前期水位，m；为槽蓄水量，m3；为下游水文站流量，m3/s ；为封河日期；为封河前期流凌密度；为开河日期；为1月中下旬气温累计值，℃；为1月中下旬流量均值，m3/s ；气温转正日期；累计正气温，℃；为冰的厚度，m。 把模型应用到2004年冰情预报中，如果能够提供气温的预报值，那么预见期会提高。 预见期（天） 2 3～5 6～10 11～13 14～15 15 许可误差（天） 1 2 3 4 5 7 冰情 水 文 站 实测 月.日 预测 月.日 偏