基于MATLAB的神經网络洪峰预测.docVIP

摘要 洪峰流量的预测可以基本定型洪水的规模，可以提前制定合理的防洪预案，及时减少人员伤亡和财产损失，因而预报洪峰流量具有重要意义。河道水情预报十分复杂，由于受各种因素的影响表现为非线性动力学过程，而且因素之间的变化及相互影响关系也难以确定。鉴于人工神经网络有很强的处理大规模非线性动力学系统的能力，本文紧紧围绕人工神经网络的数学领域的知识，改进了BP网络洪水预报模型。具体工作如下： 针对洪水预报预测阶段可能超过历史洪峰的情况，在人工神经网络预报模型中，本文把输入单元和输出单元的数据规范在0.2到0.8之间，留有(0,0.2)和(0.8,1)的预报空间，使得预报模型能够顺利预报出高于历史洪峰的洪水水位。另外，本文采用《水文情报预报规范》中的确定性系数作为目标函数，使得预报结果更加直观。 针对人工神经网络本身是一种静态网络，在复杂河道的预报模型中，本文引入了延迟单元法，即在数据处理时直接从样本模式中提取时间序列特征，使得这样的预报模型具备了对时间序列的识别能力。 本文将BP网络的洪水预报模型应用于武汉地区柳子巷水文站的洪水预报。对这种预报模型进行了检验，结果表明在合理选择输入层单元数据和预见期的情况下，可以取得很好的预报成果。 关键词：人工神经网络，预报模型，洪水 目录 绪论 1.1水文预报的重要性 1.2水文预报的发展 1.3存在的问题 第二章 人工神经网络简介 2.1人工