多隐层BP神经网络模型在径流预测中的应用.pdfVIP

第33卷第1期 水文 V01．33No．1 2013年2月 OFCHINAHYDROLOGY Feb．，2013 JOURNAL 多隐层BP神经网络模型 在径流预测中的应用 崔东文 (云南省文山州水务局，云南文山663000) 摘 要：基于人工神经网络基本原理和方法，构建多隐层BP神经网络径流预测模型，以新疆伊犁河雅 马渡站径流预测为例进行分析。并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模 型，将各模型预测结果与文献『11中的预测结果进行比较，结果表明：(1)多隐层BP神经网络径流预测模 型泛化能力强，预测精度高，算法稳定，模型精度优于IEA—BP网络模型，表明研究建立的多隐层BP神 经网络模型用于径流预测是合理可行的，是一种可以应用于水文径流预测预报的新方法。(2)RBF、 具有收敛速度快、预测精度高、调整参数少，不易陷入局部极小值等优点，可以更快地预测网络，具有较 大的计算优势。 关键词：多隐层BP神经网络；RBF神经网络；GRNN神经网络；单隐层BP神经网络；径流预测 中图分类号：TVl2 文献标识码：A BP网络的预测精度；其二是对于结构优化算法，由于 1 引言 权、阈值随机初始化，相同结构网络每次预测结果均不 Network，BP)具有高度相同．算法优化效果有限，目前该算法主要用于优化网 BP网络(Back—Propagation 的非线性映射能力，结构简单，性能良好，是ANN最为 络权、阈值。且由于BP网络结构和权阈值的个体编码 常用的神经网络类型之一，在水文过程模拟和预报中 长度不同，个体间无法进行交叉操作，因此基于遗传 显示出比传统时间序列方法更为有效和便捷，广泛运 算法同时优化BP网络结构和权阈值的算法可用性不 用于径流预测【凋。但如何保证较高的预测精度一直是 高【151。基于此．本文以一个径流预测实例为基础，构建 BP网络应用的核心问题，为此人们从各个角度去探索 多隐层BP神经网络径流预测模型，并与常规单隐层 径流预测的新方法同。普遍认为单层BP网络原理简单， 收敛速度慢，容易陷入局部极值而得不到全局最优【1】， 测结果进行对比．结果表明多隐层BP网络模型预测 针对这一问题，基于各种智能算法优化BP网络权值和 精度高、算法稳定，可为径流预测预报提供了一种新 阈值的径流预测模型应运而生，如基于遗传算法【8～01、 的方法和途径。 粒子群算法…1、蚁群算法【12】、免疫进化算法【11、模拟退火 2多隐层BP神经网络模型 算法[13】以及人工鱼群算法[141等的BP网络径流预测模 型。在径流预测预报中取得了较好预测精度和应用效 由非线性变换单元组成的BP神经网络，不仅结 果。目前，应用于优化BP网络最为常见的智能算法是 构简单。而且具有良好的非线性映射能力，广泛应用于 遗传算法，其主要用于优化网络结构，及网络权、阈值， 水文预测预报等领域。根据隐含层数的多少，BP网络 一般优化后的BP网络预测精度高于未优化的BP网可以划分为单隐层和多隐层网络，隐层数的选择在神 络。但算法也存在局限性，其一是只能有限提高原有 经网络的应用中是一个复杂的问题，适合的隐层数目 收稿日期：2011-09—06 万方数据 第1期 崔东文：多隐层BP神经网络模型在径流预测中的应用 69 及节点数决定于训练样本的多少、样本噪音的大小以 及所面对问题的复杂程度等多种因素1161。理论