人工神经网络在黄河口水沙通量研究的应用研究.pdfVIP

第九届全国水动力学学术会议暨第二十二届全国水动力学研讨会文集 人工神经网络在黄河口水沙通量研究的应用 严军H，叶春生2，曹辉3，李虎成4 3．河南省交通厅航务局，河南郑州450052；4．广东省水利水电科学研究院广东广州5106lO) 摘要：介绍了神经网络的研究现状、基本理论和应用领域，分析了汛期和非汛期黄河口水 沙通量问题中影响径流量和输沙量的主要因素，并利用MATLAB环境下的神经网络工具箱开发 相应的程序，建立BP网络模型，对利津断面汛期和非汛期径流量和输沙量进行预测，分析了 BP网络模型的预测结果。分析表明：BP网络模型拟合精度较高，预测效果较好，在河口水沙 通量预报方面具有良好的适用性。 关键词：人工神经网络；BP模型；黄河口；水沙通量；预测 1概述 黄河是世界上输沙量最大、含沙量最高的河流之一，解决泥沙问题是治黄的关键所在IlJ， 而黄河河口是黄河水沙的主要承载区。黄河河口岸线的淤积延伸，对黄河下游河道的持续淤 积具有重要影响。欲实现黄河下游不抬高的目标，河口治理是关键环节之一，所以利津断面 汛期、非汛期和年输沙量的预测对治理河口地区有着很大的意义。 黄河河口区别于其他河口的突出特点是：水少沙多、沙粗：洪枯悬殊、洪峰陡涨陡落。 和8．7亿t，分别rIi整个下游来水来沙的84％和73％，其年内来水来沙量分配极不平衡，汛期 来水来沙量分别达到全年水沙量的6l。3％和85％；各年的来水来沙差别也比较悬殊。以来沙情 3亿t，年最大来沙与最小来沙量之比为128：l。 利津断面的水沙资料有助于分析河口来水来沙特性的变化。由利津站历年来水来沙情况 可知，自20世纪60年代末以来，黄河口的来水来沙量早明显减少的趋势，尤其是1985年以 来，这种减少的趋势更加明显。实测数据表明，清水沟流路1976—2000年间多年平均来水来 ‘严军(1971．2一)，博士，华北水利水电学院黄河科学研究院副院长、副教授，主要从事水力学及河流动力学 方面的研究及教学．T作。E吼ai 1：￥垫j坠坠塑里型：全血：璺翌。 技创新人才支持计划(2009HASTIT025)和“华北水利水电学院岛层次人才科研启动项目”资助。 ．875． 第九届全国水动力学学术会议暨第二十二届全国水动力学研讨会文集 一般说来，流域的水沙输移受多种因素影响，且与各种因素之间呈复杂的非线性、非正 态关系，若简单地采用线性或正态分析方法处理，分析结果往往与实际不相符合。近年来迅 速发展的人工神经网络是复杂非线性映射的新方法，适于求解非线性和非正态问题吐 2神经网络简介 “神经网络”或“人工神经网络”是指大量的简单计算单元(即神经元)构成的非线性 系统，它在一定程度上模仿了人脑神经系统的信息处理、存储及检索功能，因而具有学习、 记忆和计算等智能处理功能131。 Neural 人工神经网络(AnificialNet、vork，简称ANN)涉及数学、物理学、脑科学、心理学、 认知科学、计算机科学、人J：智能等学科【4】，力图模拟人脑的一些基本特性，如自适应性、自 组织性、高度并行性、鲁棒性和容错性等智能信息处理功能。对正确描述非线性问题具有十 分重要的实际意义。而且通过联想、概括、类比和推理，能够从大量的统计资料中分析、提 炼实用的统计规律。目前是国际上的前沿研究领域，国内外已将神经网络模型成功地应用于 水资源、水环境评价和洪水预报等。 输出的映射。通常代价函数定义为所有输入模式上输出层单元希望输出与实际输出的误差平 方和。当然，代价函数也可以有其他形式。 误差反向传播学习算法的步骤如下： (1)给定输入层单元到隐含层单元的连接权圪。。办=l，2，…珂，卢l，2，…，p，隐含层 单元到输出层单元连接权％，卢1，2，…，p，产l，2，…，g以及隐含层单元的阈值易，输 出层单元的阈值n赋予(一l，+1)区间的随机值； (2)对于样本模式对(彳足，＆)(拓l，2，…聊)进行下列操作： ①将彳r的值送到输入层单元，通过连接权矩阵y送到隐含层单元，产生隐含层新的激 活值 —L 6『=／(乏：％％+谚) (1