小波神经网络模型及在水文水资源中的应用.pdf

摘要 摘要 水文水资源领域中的时间序列，总是受天文、地理、人为活动等众多因素的影响。因而， 水文水资源数据具有非线性、多变化、随机性较大等特点，但同时也具有多年变化的周期性 和趋势性。常规的线性模型很难解决这些问题，因此，为解决水文水资源中的复杂问题，本 文提出了几种小波神经网络模型(WNN)。通过MATLAB计算机语言编程，建立数学模型， 应用于实践中，取得了良好的效果。 本论文的几点成果如下： 1．基于Morlet小波函数的紧致型小波神经网络(WNN)，对该模型的数据转化、参数 设置、参数调整进行了改进。将该耦合模型首次应用于水稻需水量预测中。取得了良好的效 果。 2．脉冲耦合神经网络(PCNN)被称为“第三代人工神经网络”，本文在原有简化模型 的基础上，对该模型进行了很大的改进。首次提出了改进型PCNN的水资源利用状况评价模 型、基于ATrous小波变换的PCNN年降雨量预测模型，均取得良好效果，在理论上有较大 的改进。 3．蚁群算法是近代仿生学的新成果，并具有很好的全局优化能力。本论文找到了蚁群算 法与Marl小波神经网络的结合点。并做了相应的改进，首次提出了基于蚁群优化的小波神经 网络模型。该耦合模型用于地下水位预测中，取得了满意结果。 基于以上几种的模型的建立，本论文实现了理论与实践的有机结合。该论文的研究成果 既为水文水资源领域的复杂、非线性问题提供了新的方法和思路，同时也拓宽了小波神经网 络模型的应用范围，并且在理论上做了相应的改进。 关键词： 水文水资源；小波神经网络；脉冲耦合神经网络；蚁群算法；预测；评价 WaveletNeuralNetworkandIts in Application and Resources Water Hydrology Abstract Time is series affected itis always by ectivity,ete．when astronomy,geographic，artificial inthedomain andwaterresource．Asa data andwater result，the applied ofbydrology ofhydrology resourc2havesomecharacteristicsas soon．Atthesame non—linear,versatile，randomattribute，and has natureand nature．Theseareresolved the time，itperiodic tendency problems hardlythrough linearmodel．Inordertosolvetheseintricate kind normal ofwaveletneural problems，several been hav