水文预测的BP网络模型及其拟合度分析.pdfVIP

No 第4卷第4期 扬州大学学报(自然科学版) VoI．4 4 2001年11月 JOURNA【。0FYANGZHOUUNlVERSlTY(NATURALSCIENCEEDITION)Nov．2001 水文预测的BP网络模型及其拟合度分析 方红远 陈建军 (扬州大学水利与建筑工程学院水利水电系，江苏扬州，225009) 摘要：结合实例分析计算．论证丁BP网络模型对水文预测的有效性．为了克服BP网络收敛速度慢的 缺点．文中采用了恰当的输入输出值规范化、输出函数值限幅和最佳步长搜索等方法，实践表明这些方法 在一定条件下可以有效地加快学习误差的收敛．为了验证模型预测值的精度．对预测系列的拟合度作r一 定分析． 关键词：水文预测：神经网络；拟合度 338+．9 0057一Os 中图法分类号：P 文献标识码：A 文章编号：1007—824x(2。01)04 人工神经网络(ANN)理论是20世纪80年代中后期迅速发展起来的一个新的研究领域．它以其 大规模并行处理、分布式存储、容错性、冗余性等优良特性引起了众多领域学者的广泛关注，并已对计 算机科学、人工智能、认知科学等领域产生了重要影响”。1．ANN在水文预报、供水管网设计与管 理、水资源系统优化运行、水资源开发利用规划、水质与水量预测等一系列领域也都有较成功的应用 研究．近年来ANN运用于水文预测方面的良好效果表明．尽管这～技术在自身理论方面以及它在实 际应用中还存在着许多需要解决的问题．但人工神经网络一些特别的优点是以随机理论为基础的传 统水文预测方法无法比拟的““．这对传统水文预测方法不仅是一个重要的补充，而且也有助于水文 分析思想及技术手段的更新．随着人工智能方法的不断创新和完善，以及计算机技术的飞速发展+像 ANN这类新方法逐步渗透到各个领域且应用越来越广泛也是有着客观背景的．在水文预报分析中， 逆向传播网络模型(简称BP网络)是应用较多的一种模型．文献[3]列举了许多关于BP模型成功应 用的例子．这些例子均证明BP网络应用于水文预测等方面具有相当的精度．本文在两个径流预报 实例中进一步采用改进措施加快BP网络搜索的收敛速度，并通过对模型的拟合度分析．验证了BP 网络模型对水文预测的有效性． 1 ANN的逆向传播模型 1．1 BP网络结构 BP网络是一个多阶层的神经网络(即多层感知器结构)，水文预报中以3层结构最为常见(即输 入层、一个隐含层、输出层)，其典型网络结构见图1． 图1中有一个输入单元、q个输出单元．为了模拟生物神经元的非线性特性．BP网络的输出函数 选用5函数，则各层节点的输出按下式计算： 二 1 目】 (1) y一，(2ju，。，z。 【5函数为厂(．r)一1I。．)． 。 ‘ 』一l 式中“为计算层第z个单元接收的信息；w。，为第，个单元与E一层第，个单元的连接权重；目为闽值； j-为输出 1。2逆向传播学习规则 HP网络的学习是一个循环迭代的过程．它在以下4个过程中反复进行：①输入模式由输八层经 收稿日期：2。0l一02—13 58 扬州大学学报(自然抖学版) 第4卷 中间层向输出层的“模式顺传播”过程：②网络的希望输出与实际输出之差的误差信号由输出层经中 间层向输入层逐层修正连接权的“误差逆传播”过程；③由“模式顺