BP神经网络洪水预报模型在洪水预报系统中应用.pdfVIP

第35卷第1期 水文 V01．35No．1 JOURNALOFCHINA 型!!塑—— HYDROLOGY Feb．，201 ——————————————————————————————————————————————————一 ：： BP神经网络洪水预报模型在洪水预报系统中的应用 胡健伟1，周玉良2，金菊良2 (1水利部水文局，北京100053；2合肥工业大学土木与水利工程学院，安徽合肥230009) 摘要：采用相关分析法，在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的 主要变量，在多个观测断面的数据均为流量情况下，采用基于时延组合的合成流量为影响预报断面径 流过程的变量，采用自相关分析法，识别出影响预报断面径流过程的前期流量(或水位)。以这些变量为 BP神经网络模型的输入，以预报断面的流量(或水位)为模型的输出，在BP神经网络隐层节点数自动 优选的基础上，构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中．应用结果 表明：模型在历史洪水训练样本具有一定代表性的情况下，可获得较高的预报精度。 关键词：洪水预报；人工神经网络；BP算法；洪水预报系统：应用 中图分类号：P338．9 文献标识码：A 文章编号：1000—0852(2015)01—0020—06 随着水文过程理论的不断完善、水文观测资料的 流量(或水位)与邻近断面的流量(或水位)、区域降水 丰富积累、地理信息系统和遥感等空间信息获取和处 等影响因素间的复杂关系。 理技术的快速发展，以水文学理论为基础的概念性水 BP人工神经网络用工程技术手段模拟人脑神经 文模型和基于水文物理机制的分布式水文模型均取得 网络的结构和功能特征，采用非线性处理单元模拟人 了长足的进步口-3】，大大提高了降水径流过程模拟的精 脑神经元，用处理单元之间可变联接强度(权重)来模 度和预报的准确性，尤其是自然流域的洪水过程模拟 拟突触行为，构成一个大规模并行的非线性动力系统， 和定量预报，基本达到了防汛的预警预报实用要求[1-31。适于描述系统输入和输出问的复杂关系，已在降水径 但在河网水系发达的河口区域(一般在其下游存在回 流过程模拟【4．q、河道洪水预报¨”、水文模型参数与洪 水顶托)，影响河道断面流量(或水位)的因素众多，且 水特征属性间的关系【12。1习等水文系统建模中取得广泛 影响因素与断面的流量(或水位)关系复杂，采用概念 的应用。BP神经网络应用于专业问题能否成功取决于 型流域水文模型和分布式流域水文模型进行流域产汇 如下两个主要方面：一是对所研究专业问题的概化，即 流计算和河道洪水演算时，往往存在研究区域内的水 寻找对水文系统输出(如径流过程、断面流量等)起关 文过程(如河道受周期性回水顶托)难以概化、模型模 键影响的因子以及对其之间存在的关系的分析：二是 拟所需的资料难以满足及模型的时空尺度难以合理选 BP神经网络自身参数的确定。此外，BP神经网络模型 择等问题，致使具有一定物理基础的流域水文模型应 本质上是一种“黑箱”统计模型．所选取的样本必须具 用于该类断面的流量(或水位)计算、预报中精度较差。 有足够的数量和代表性。针对BP神经网络存在着学 此外，很多山区河流水文站通常仅观测水位，而无流量 习速度慢、易陷入局部极小值等主要缺陷，许多学者分 资料，而基于质量、能量守恒的流域水文模型对流量通 别从网络参数的初始值设置、网络隐层数及隐层节点 常能取得较好的模拟精度，但难以对受冲刷和於积作 数、激励函数选择、学习过程中网络参数的调整、局部 用影响较大的断面水位(水深)进行直接计算和预报。 极小值退出措施等方面提出了相应的改进方案。其中， 常规的线性回归等统计方法，亦难以描述河道断面的 网络参数的初始值～般具有