BP神经网络在河段汛期径流预测中的应用.pdfVIP

% ( 年第 期 第 卷总 期 东北水利水电 !# $ ! !!’ )# * 文章编号+ ! , -!) % !# ( $ , )# , ! 12 神经网络在河段汛期径流预测中的应用 樊明兰，林三益，董先勇 （四川大学水电学院，四川 成都 - -/ ） * 摘 要+ （ ） 本文以武隆站与江界河 年汛期 月 的实测数据为资料，利用 算法，建立了基于人工 ’$/ 0 ’$- / 0 12 神经网络的武隆站汛期预报模型，经过 ’$. 年的资料检验，同时与线性回归模型相比较得出，该模型预报精度良好， 模型稳定可靠。 * 关键词+ 汛期径流； 神经网络；预测模型 12 * 中图分类号+ 2##$ 3 4 ! * 文献标识码+ 5 水文系统是一个高度复杂的非线性系统，原因在于从降 中各节点的连接权重和阈值来实现。由梯度法可得到各节 雨到形成径流，要经过许多复杂的物理过程：植物截留、填 点连接权重的修正量，并可据此导出权重和阈值的修正公 洼、蒸散发、下渗、坡面汇流、壤中流等等。因此，采用单一的 式。这样不断重复正向传播和误差逆向传播过程，一直进行到 数学或物理模型很难精确表达水文系统中某些环节的不确 网络的输出误差减小到允许值或到达设定的训练次数为止。 定性及高度非线性。 人工神经网络是基于人类大脑的结构和功能而建立的 复杂网络系统，具有很强的自适应、自组织、自学习、联想、容 错及抗干扰能力，可以从逐渐演变的序列中找到其隐藏的规 律。它的运用对象主要有以下特点：不确定性的模型、高度的 非线性、复杂的信息类型。基于以上原因，近 年来，人工神 经网络的研究形成了第二次热潮，在水文预报上的应用已发 图 典型的三层 网络结构图 展成一门新兴的技术。人工神经网络的典型形式主要有12 12 模型、 模型、 模型等。其中以 算法为基础 4 ! 12 网络的计算过程 6789:;= 7?7@;@ 12 步骤 。初始化： 的前馈型神经网络是应用最广泛的一种网络。在此简单介绍 （）网络参数初始化，由随机函数给出输入层单元到隐 神经网络的基本结构及 神经网络的计算过程。 12 12 含层单元的连接权值 ! %% , A ( ，隐含层单元到输出层单 人工神经网络 模型 #