模糊系统和人工神经网络在洪水预报中的应用-—论文.docVIP

模糊系统和人工神经网络在洪水预报中的应用 摘要 这篇研究呈现了人工神经网络（人工神经网络）和模糊逻辑（FL）模型对于日常水库入库径流预测的发展。此外，线性回归（LR）模型也被开发为一个传统的洪水预报方法。为了证明人工神经网络和FL模型的适用性和能力，位于伊朗西南部的Dezreservoir水库被作为一个案例研究。结果证明ANNs模型能够提前一天预测水库入库径流，尤其是这种预测模式要比FL模型和LR模型要准确。研究发现人工神经网络模型预测洪水预报提前1天以上精度降低，同等条件下FL模型和LR模型提前4天而得到的结果与从佛罗里达州得到的相应测量值要比较精确。这项研究的一个主要发现是：模糊逻辑模型通常低估了洪水，而其他两种模型预测洪水流量比较好。水位曲线的峰值,和LR模型对短周期(为期一天前),对于长时间(如为期3天的洪水流量之前)预测误差在3、4.5和26%LR和FL模型略优于人工神经网络模型。关键词:洪水预报水库流入模糊逻辑人工神经网络洪水洪水预报是水库管理系统最重要的任务之一。经济损失的大小管理的重要性一个高效的洪水警报系统减轻经济造成损害可以大大提高公共安全,洪水预报无疑是一个具有挑战性的领域,一个((Xiong et al,2001;Gopalcuinar and James, 2002; Chau , 2005; Tayfur and Singh， 2006);特别是降雨