模糊神经网络在水文水资源应用中的研究进展.pdfVIP

模糊神经网络在水文水资源应用中的研究进展 杨先野 ‘付强’，’ (1.东北农业大学水利与建筑学院，黑龙江 哈尔滨 150003 2.北大荒集团公司博士后科研工作站，黑龙江农垦总局，黑龙江 哈尔滨 15004)0 摘 要:本文介绍的模糊神经网络，它结合了模糊逻辑的推理能力及神经网络的自学习能力，使其具各强 大的结构式知识表达能力、自身参数调整优化的能力和较好的预报效果。同时在介绍模糊神经网络模型的 特点、结构基础上，着重介绍了目前关于模糊神经网络在水文水资源领域的研究现状，并指出了其在理论 及应用中存在的问题。 关键词:神经网络:模糊逻辑;模糊神经网络，水文水资源 中图分类号: 0前言 神经网络 (NN)具有较强的非线性逼近功能和自学习、自适应、并行处理的特点，而 且具有良好的容错能力。其应用的主要领域有:模式识别、预测和预报、优化问题、神经控 制、智能决策和专家系统等。在水资源方面的应用也极为广泛，主要有:水稻需水量预测方 面的应用幻‘、水环境质量评价闭、洪水预报附、城市需水量预报]l’、水文预报阁、水文水资源 模型Je[、水质评价7]1等。模糊逻辑(FL)具有直接采用语言型控制规则并具有相对的独立性、 有利于模拟人工控制的过程和鲁棒性强等特点。并在模糊控制、模式识别、聚类分析、系统 评价、系统决策、人工智能及信息处理等方面取得了显著成就。在水资源的应用主要有:水 质评价.j[、径流0]1、洪水预测0]1【、水资源可持续利用川‘、水资源承载能力分析2]l[和水资源合 理配置叫等。基于神经网络的模糊逻辑具有强大的优势，二者祸合形成模糊神经网络F(uzyz NeuralNet，rok，简称F洲). 随着人类社会的不断发展和进步，水文水资源系统的复杂性和动态性不断增加，研究规 模不断加大，影响因子不断增多，单独使用传统方法 (如:随机过程、模糊理论、灰色系统、 混沌分析、人工神经网络、小波分析)面临着很多无法解决的问题。为此，模糊神经网络模 型针对水文水资源系统的特点，在此领域将有广阔的应用前景。 IFNN简介 模糊逻辑和神经网络控制由于其强非线性和不需要建立对象数学模型等特点而受到了 人们广泛的关注。模糊逻辑善于表达知识，推理类似于人的思维，但其过于依赖于人的主观 因素，缺乏学习和适应的能力;神经网络结构可变，具有较强的自组织、自学习的能力，但 是其不具有结构性知识表达能力，网络参数缺乏物理意义，且其学习过程中易于陷入局部极 值。所以为了吸取二者的特点而将两者结合。 1.INFN的特点 模糊神经网络是一种新型的神经网络，它是在网络中引入模糊算法或模糊权系数的神经 网络。其的特点在于把模糊逻辑方法和神经网络方法结合在一起，而模糊逻辑和神经网络在 收稿日期:0206一-801 修订日期:2006一8一01 作者简介:杨先野 (19日2一)，男，黑龙江富锦人，东北农业大学水利与建筑学院.硕士研究生，主要从事水土资源优化利用与 系统分析方面的研究.Emallxlanye，朋脚163c阅 通讯作者:村弧 (均7于)。男，辽宁锦州人。东北农业大学水利与建筑学院。教授，博士生导师，主要从事农业水士资源系统 分析、节水灌溉及农业系统工程建模与优化技术研究。E.llfuqlna以。。.3”net 特性上互补:神经网络向模糊控制提供连接式结构和学习能力，模糊控制向神经网络提供了 具有高级模糊规则-fIThne 思维和推理的结构框架。 1.ZFNN的结构 模糊神经网络大致可以分为:前向模糊神经网络和有反馈的模糊神经网络。下面介绍一 个5层二输入一输出的前向模糊神经网络结构，图为: 模糊神经网络的结构 若用砂，表示第玩k=(12，，43，)s，层的第;个输入o，尹表示其输出，则各层的含义为: 第一层为输入层L。:各个节点直接与输入序列u=ul[，可相连，并将各输入值传输到下 一层，联接权重为1。即 0梦，一u:，，(=;，，2) 第二层为模糊化层玩:每一个节点代表一个模糊集其输出为隶属度(如高斯函数)。该层 中需要学习的是隶属函数的参数。 u罗，=0罗，，0梦，=e二 0二1，2，…，m) 仁姆霎别}’