MATLAB神经网络在节制闸水位模拟应用.pdfVIP

第44卷第2l期 ^＆*口 Vol44No21 2013年11月 Rlver Yan口ze 文童缩号：1001—4179{2013)2l一0093—03 钱程1，缪海洋2 Ⅱ苏省术利勘测设计研究院有限公q．Ⅱ苏扬州225009；2Ⅱ苏省太仓市水利局．Ⅱ苏太仓215400 摘要：#南河目地日自河纵横主错，水流特性复杂，为克服节制月水位自自Ⅻ粗中∞{妄差，采取MATLAB凡I MATLAB神经目培i具箱旨々＆月万女，井m 神经目络模型i*进行水位模拟．m提高水住预报精度。舟目7 #南某地3个典§节制月水位洲报为Ⅷ，等女T月培模拟过程厦镕果。应月情观表明，模型模拟效果较好．其 算*喜易掌握，方便在基层业务I作中应月。 美键_回：水位Ⅻ报；节制闸；BP神经月络；模扭顿Ⅻ 中图法分类号：Tv66 文献标志码：A 江苏省苏南某市位于长江下游，区域内河道纵横 网络学习算法比较多，其中BP算法(反传算法)因其 交错，是典型的河网地区。沿江3个中型闸——浏河 方便、直观且训练有效而被广泛采用”l。BP网络是一 套闸、杨林闸、七浦闸，担负着区域内的防洪排涝及日 种前馈型网络，由1个输人层、若干隐含层和1个输出 常调水任务。区域内现有水位观测点7个，分别设在 层构成．目前3层网络比较常用。在这种网络中，学习 测河套闸、杨林闸、七浦闸、新泾闸、双风闸、团结河闸 过程由正向传播和反向传播组成。在正向传播过程 及岳王闸。目前7个站的水位测量均采用自动化采集 中．输人信号从输人层经隐层单元逐层处理，并传向输 方法，适时水位可在防汛系统软件中显示。但是，在实 出层，每一层神经元的状态只影响下一层神经元的状 际应用中发现，该系统所报的水位与实际测量的结果 态。如果在输出层不能得到期望的输出，则转人反向 存在一定的误差(沿江3闸误差相对较大)。沿江3传播，将输出信号的误差沿原来的连接通路返回。通 闸水位特性相对重要，故其水位仍采用人工测报，这种 过修改各层神经元的权值和阈值，使得网络全局误差 方式既增加了工作量又不及时。 信号最小。 3个沿江闸上游水位与内河4个测点水位存在着 12 Matlab神经网络工具箱的应用 必然的联系，但关系是非线性的。人工神经网络 一个最基本的BP算法就是给定学习速率和动量 (ANN)中的BP网络具有较强的自学能力和处理非线 因子，权值和阈值按误差的负梯度方向进行调整。但 性问题的能力，近年来在有关工程领域得到了广泛的 是基本的BP算法收敛速度慢，易陷人局部稳定状态， 应用“一。笔者建立了节制闸内水位与区域内各测点 因此在BP算法的基础上作了不少改进。目前比较稳 水位之间关系的BP神经网络模型，并将其用于水位 定的算法有2个，一个是变学习率的算法(…able 预报，编制的通用程序很容易进行训练及预测，方便在 mte l…l“g 基层业务工作中应用。 算法(conJ“98t。g。adlent 1 利用BP神经网络模拟节制闸水位 cGBP算法速度最快，但它所需要的存储空间也比普 通算法要多一些，对一些小型的计算采用cGBP算法 l 1 BP神经网络原理 无疑是比较合适的。 网络的学