模糊神经网络模型在中长期径流预报中的应用.pdfVIP

科技咨询导报 2007 NO.09 Science and Technology Consulting Herald 高 新 技 术 模糊神经网络模型在中长期径流预报中的应用 1 1 2 陈翠华 黄牧涛 关容章 （1.华中科技大学水电与数字化工程学院仿真中心; 三峡工程开发总公司2 湖北武汉 430074） 摘 要：本文采用减法聚类初始化模糊推理系统，建立了模糊神经网络中长期径流预测模型，采用改进BP算法对神经网络进行训练， 使传统的模糊推理具有了较好的自学习和联想能力。以新疆伊犁河雅马渡站23年实测数据资料为样本进行训练并预测水文站的年径流 量。结果表明，该模型预报结果精度高，模型可靠，证实了该方法应用于中长期径流预报的合理性和有效性。 关键词：模糊系统 神经网络 中长期 预测模型 中图分类号: TP183 文献标识码：A　　　文章编号：1673-0534(2007)03(c)-0004-02 1引言 如果X Rj，则y=fj(X) （6） 方法主要有两类：模糊减法聚类和模糊C均 目前，国内外径流预报方法综合起来有 T 值聚类。模糊减法聚类是一种用来估计一组 其中X=(x,x,…，x)，j为输入空间 两大类：传统方法和现代方法。传统方法主要 1 2 m 数据中的聚类个数及聚类中心位置的快速的 的非线性分割数，R为输入空间分割后的部 有时间序列、回归方法等，方法简单、速度较 j 单次算法。由减法聚类算法得到的结果可以 分空间。用神经网络求得条件部输入变量的 快，分析重点是径流序列本身的规律，但方法 联合隶属函数，可得到基于神经网络的模糊 用于初始化那些基于重复优化过程的模型辩 均存在数值不稳定及对影响中长期径流的因素 系统，其结构如图 1所示。 识方法。本文应用减法聚类得到初始化的模 未予以考虑等缺陷，精度上未能取得令人满意 在图 1所示的模糊系统中，NN～NN 糊推理系统，再利用输入输出数据进一步对 的效果。现代方法以人工神经网络、模糊推理 1 R 系统进行优化，最终得到一个合理的模糊推 分别用来表示R条规则的结论部函数，而 系统为代表，分析重点是数据本身的内在联 NN则是给出每条规则对于输入X的适用 理系统。减法聚类的算法通过MATLAB函 mf [7] 系。其中神经网络具有较强的自适应学习能 数实现 。 度，模糊系统的输出为： 力，许多专业人士都将其用于径流预测。但从 3.3神经网络模型及其改进BP算法 系统建模的角度看，它采用的是典型的黑箱模 神经网络的学习算法采用BP算法。因 式。学习结束后，神经网络所获得的输入输出 为对于任何在闭合区间内的一个连续函数都 关系无法用直观的方式表示出来。而模糊系 其中g为的输出NN。上述的模型系统 可以用包含一个隐含层的BP网络来逼近(拟 i j 统采用的是 “如果-则”的表达方式，容 为神经网络驱动型的模糊推理系统,此模型 合)，故选用三层BP网络来进行预测。整个