基于神经网络的降雨径流预报.pdfVIP

维普资讯 998年 3月 四 川 水 力 发 电 第 17卷 第 1期 基于神经网络的降雨径流预报 陈 科 P3j、 (电力工业部成都画画 ，成都．610072) 弋 摘 要 车 空褂人工抻经网络应用于二滩水电站以上支漉鳅鱼河的降雨径漉预报 ．通过建模、计算 、比较和分析可知 ．其非线性映 射能力 、自学习能力和灵活性 ．均能较好地反映降雨径漉之间的非线性 的、复杂的转换关系．站 台流域水文特性并合理处理建模数 据 ．值得进 一步深入研究 。 美羹词 抻经网络 降雨径流预报 艘射 自学习 非线性 文子掀 ． 相互联结方式和强弱 (一般用权值来表示其联系 的 1 目4 声 强弱)。②节点的特征包括其非线性特性和阈值 ，可 选用适 当的神经元模型来描述。⑧学习法则则是人 洪水预报是水文科学研究的重要 内容之一 。由 工神经网络计算实现的关键 ，不 同的神 经网络模型 于洪水过程深受气候 、天气及 流域 自然地理等 因素 其学习法则各异。根据神经网络模型的特征 ，从不 同 的影响，因此具有显著的非线性关系。鉴于降雨径流 的角度可将神经网络划分 为不 同类型 ：非线性映射 预报是提 高洪水预报精度、延长预见期 的有效手段。 网络、非线性动力学 网络 ；有监督信号网络、无监督 所 以，把握 降雨径流过程的物理成 因，探索新的理论 信号网络 ；前馈 网络、反馈网络；随机性 网络、确定性 和方法 ，进行 降雨径流预报模型的研究，就成为 目前 网络 ；模糊 网络 、灰色 网络 、分维网络等等 。 洪水预报 的重要课题 。 多层感 知器 (Multi—layerPerceptron)最早 由 人 工 神经 网络 (ArtificialNeuralNetwork)是 Rosenblatt提 出，这种神经 网络模型 由输入层 、隐 由大量神经元 ，依一定结构互连而成、用以完成不同 含层和输出层组成 ，隐含层可以是一层或农层 ，常用 智能信息处理的非线性 自适应动力系统 。它有 巨大 的是三层感知器 ，其结构如图 1所示 ， 的计算能力．源于神经元之间丰富的联系和整个网 络平行计算 。通过对简单非线性函数的复合完成输 入和输 出之间的映射关系．只要 经过少数几次 的复 合就可得到极复杂 的函数．从而可表征复杂 的物理 现象。在 水文水 资源 的应 用研 究 中，较 早于 1992 年 迄‘今，在降雨 、流量 的预报与模拟 方面 已有了初 步的成果 。研究表 明资料 ][n[，它能较 好地表征 非线性复杂的水文过程．从而为其分析、计算、模拟 及预报提 出了新 的思路和方法 。 本文为雅砻江二滩水电站优化运行洪水预报研 究的一部分 。在 以往工作口-的基础上 ，将神经网络模 型应用于馘鱼河流域 的降雨径流 预报 中，并与水箱 模型进行 比较，旨在为该流域 的洪水预报提供新的 途径 ，为二滩水 电站的洪水预报服务 。 2 多层感知器 一 个神经网络模型是 由三个方面的特征来表征 的 ：①网的拓扑学特征包括模型 中所包含 的神经 元 (节点)的个数和排列形式 、各神经元的作用及其 12 维普资讯 出层 。在正向传播阶段 ，每一层神经元的状态只影响 出层 的输出方差为 下一层神经元的状态；如果输出层得不到期望的输 出结果，则进人误差的反向传