bp神经网络在水文数据中的应用分析word格式论文.docxVIP

1绪论1.1研究背景我国的水资源比较缺乏，再加之有庞大的人口基数，所以人均水资源远远落后于世界平均水平。水利基础设施的缺乏阻碍了我国水资源的有效供给，如何合理地利用有限的水资源是水科学研究的难点之一。地处水土流失严重的黄土高原，陕西省也是我国缺水大省。人均和总量都低于全国平均水平，并且大部分的水资源集中在气候较好的秦岭以南。陕西的大多地区水资源很少。在雨水集中的7至10月中，河流带走大量的泥沙，这导致了水资源难以存储的现实。此外，工程供水能力不足、用水技术与设备落后、水源污染以及科研投入有限等也是重要的影响因素。目前陕西省经济各个行业和城市人口的缺水问题严重，随着社会的不断进步，这个矛盾将会越来越尖税。缺水将成为陕西未来发展中最大限制因素之一。防洪和兴利是水资源管理中的两大应用，在现阶段的水文科学研究中，人们引入了神经网络改进传统的研究方法。基于神经网络的非线性模拟功能，将它应用于洪水水位预报或各种水文数据的非线性模拟方面，可以起到很好的效果。经过几十年的发展，神经网络在水文科学中的应用逐渐成熟，本文在前人研究的基础之上，采用神经网络对陕西省一些区域的水文数据进行建模，研究神经网络在这些数据上应用的可行性和实用性。反向传播神经网络（BackPropagationNeuralNetwork）是研究较为成熟的算法之一。该算法对于由很多单元相互连接的复杂网络，反向传播算法可以根据这个网络训练出一组合理的权值。它搜索空间找出实际输出和目标值的误差平方最小值。根据这个误差，得出每个单元权重的修正值，反向修正输入权重。对于一个复杂的网络，BP神经网络计算出的误差组成一个曲面。它是柔和、光滑的任意界面，所以使用这个曲面可以很好地将各种类别分开，同时由于单元数量较多，容错性较好。BP网络的结构简单，工作状态稳定，它可以容纳多种影响因素，将问题的所有影响因素包括在一个系统内，研究影响因素的效用。BP网络是目前应用较为广泛的一种神经网络模型。基于这些原因，我们采用了BP神经网络对水文数据进行处理。根据以上的分析可知，研究神经网络在陕西省水文数据中的应用有一定的现实意义。1.2国内外的研究现状随着神经网络理论的快速发展，在80年代初，国内外开始在水文科学研究中应用神经网络处理一些问题。开始学者们把目光集中在洪水在河道中的运动规律，然后研究的重点逐渐转向把神经网络应用于水位、流量以及水环境管理等方面。1.2.1神经网络在水文科学预测中的应用研究神经网络在水文科学预测中应用最广的方向是水位预测、径流量预测这两个个方向。1、水位预测研究龚政,张东生等[5]采用BP神经网络算法建立模型对河流水位进行预测，样本数据为长江南京段的水文观测资料，由于南京段处于潮区内，所以模型考虑了回水顶托的影响，将下游镇江段的水位数据作为一个影响因子。结果表明：BP神经网络混合训练了多种影响因素，预测效果比常用的线性相关方法要好。只有在变量之间相关性较好时，线性相关法才表现出色。李荣、李义天[6]基于神经网络识别水流运动变化过程与影响因子之间的线性关系，建立洪水预测的非线性动力模型。结果表明了神经网络在建立复杂的非线性关系时，预测效果和实际值之间吻合较好。覃光华，丁晶等[7]将级数神经网络模型应用于河道水位预测当中。输入层各单元级数展开作为级数神经网络模型中的隐藏层单元，实验证明了该方法提高了模型预测的精度和收敛速度。薛联青，崔广柏等[8]将时间序列与神经网络相结合建立预测模型，并将新的模型应用于淮河流域中一些特定水文测站的水位预测中，选取了网络输入单元的不同时期的节点序列组成网络的输出，消除了降水时差、水流运动延迟等外界因素的影响。该模型提出了解决多变量时间序列问题的分析方法，结果表明：模型简单但预测效果较好。2、径流量预测研究王玲,黄国如[9]在预测径流量时，采用聚类的方法将径流序列分成几个小的径流序列分别用神经网络建立子模型，然后将这些子模型合成一个总的预报模型。通过将不同时期的径流量情况分类处理，模型表现出更加优良的性能，较大地提高了径流模拟的精度。张建兴，马孝义等[10]提出一种基于生命回旋模型的神经网络算法，并且提出了串联和并联使用这种神经网络模型的处理方法。并联的处理方法是将生命回旋模型和神经网络模型分别预测流量径流量，然后组合在一起。而串联的方法是先使用生命回旋模型，然后基于处理的结果再使用神经网络模型处理。将该模型应用于黄河龙门水文中的径流量预测，实验效果有所改进。万星，丁晶等[11]应用小波变换改进神经网络的径流量预测模型，对黄河陕县水文站109年的径流序列进行研究，分别对两种径流的时间序列：确定成分和随机成分分频率处理，结合小波变换在分频处理方面的优点建立神经网络预报模型。并且对小波神经网络和神经网络在径流量预测中的应用进行了评价。1.2.2神经网络在水资