基于遗传算法的神经网络优化预测模型和其在年径流预报中的应用.pdfVIP

阎俊爱等 基于遗传算法的神经网络水优利化水预电测技模术型及第其在年卷径流预报年中第的应用期 ! ! #$$! % 基于遗传算法的神经网络优化预测模型 及其在年径流预报中的应用 ， ’ - ’ 阎俊爱 ，钟登华 （天津大学 建筑工程学院，天津 ； ’6 $...2- -6 山西财经大学 信息管理学院，山西 太原 .$...3 ） 摘 要 根据径流中长期预测的特点，将遗传算法和神经网络相结合，提出一种年径流预测新算 ! —遗传神经网络优化预测方法 该方法提高了径流中长期预测模型的优化能力，有效地克服了人 法—— # 工神经网络学习速度慢、存在局部极小点的固有缺陷 最后对实例分别用几种不同的模型进行预测，经 # 比较分析，证明所提出的方法能有效地提高预测精度和速度 关键词 遗传算法；神经网络；年径流预测；预测精度 ! 中图分类号： 文献标识码： 文章编号： （ ） $$5 ! ’.../.53. -..$ .3/... ’/.4 为了克服人工神经网络在年径流预测中的缺 例都包括输入及期望的输出两部分 训练时，首先把 # 陷，本文将遗传算法引入神经网络，对年径流量预测 样例的输入信息即各影响因子的实测值输入到网络 的! 模型进行优化改进，即用遗传算法优化神经网 中，由网络自隐含层开始计算其输入值和输出值，直至 络的权重和阈值，然后用优化好的 模型对洪水年 计算出输出层的输出值，然后将其输出与样例的期望输 ! 径流进行预报，以达到较好的预测结果# 出 （即洪水年径流量的实测值）进行比较，如果它们的误 差不能满足要求，则沿着原来的连接通路逐层返回，并 ! 年径流量预测的前馈型神经网络——! 利用两者的误差按一定的原则对各层节点的连接权值 模型及其算法 进行调整，使误差逐步减小，直到满足要求时为止# 由年径流量预测的前馈型神经网络 模型结构 由上述训练过程不难看出， 算法的学习过程是 ! ! 图可知：该网络有输入层、一个隐含层和输出层$ 层组 由正向传播与反向传播组成