基于人工神经网络的金沟河流域径流预测研究-水利水电工程专业论文.docxVIP

本文是 国家教育部科学技术研究重点项目 “基于水权的水资源优化配置模型研究” （项目编号：209140） 和 “新疆农业大学校前期课题” 的部分研究成果 课题主持人：岳春芳副教授 （新疆农业大学水利与土木工程学院） I I 基于人工神经网络的金沟河流域径流预测研究 摘 要 水资源系统受气候、流域自然地理、社会发展以及人类生存需要等因素的综合影响，具有多时 间尺度、随机性、突变性、非线性等复杂特征。同时，水资源又是支撑人类生命和经济增长与可持 续发展的最基本要素之一，而径流要素的变化主导了整个水资源系统的变化。因此，建立准确的径 流预测模型，可以最大限度的协调水资源综合利用中出现的各种用水矛盾，保障流域经济、社会、 生态与环境可持续发展。 本论文以金沟河流域中游的八家户水文站所监测的 1957~2003 年共 47 年月径流资料为研究对 象，以 1957~1995 年共 39 年的月径流资料为训练样本，以 1996~2003 年共 8 年的月径流资料为检验 样本，建立神经网络预测模型。 先用常规统计学方法对金沟河流域月径流时间序列进行分析，初步了解其变化趋势及周期；然 后利用小波分析在时间、尺度（频率）两域都具有表征信号局部特征的能力，对原始时间序列进行 小波变换，对其分解的低频、高频信号进行分析，进一步了解变化规律；在此规律的基础上，对径 流时间序列进行预测。 对径流时间序列的预测采用人工神经网络的方法，在 MATLAB 环境下进行编程。首先利用最速 梯度下降算法的 BP 神经网络对经小波变换后的各细节信号进行预测，将预测结果进行重构后得到 最终预测结果，并对不同月份的预测值分别进行误差分析。结果表明：该神经网络预测模型对 6~10 月份预测效果较好，误差均在 4%以下，可以起到指导实践的作用；而另外几个月份预测效果不尽理 想，最大误差高达 53.1%。 针对个别月份预测值误差过大的情况，建立 LM-BP 和 RBF 神经网络预测模型，对金沟河流域 年径流时间序列进行预测，将预测结果按照各月径流占年径流的比例分配到各月，得到各月月径流 预测值。结果表明：对于 11 月至来年 5 月的预测值，LM-BP 网络模型略好于 RBF 网络模型，平均 误差分别为 19.4%和 22.9%，均比 BP 网络模型结果要好。 通过对这种预测模型进行误差分析，发现对不同月份建立不同的神经网络预测模型，在金沟河 流域月径流预测实际应用当中，具有较好的理论和实践参考作用。 关键词：时间序列；径流预测；小波变换；神经网络 II II Study on HYPERLINK /dict_result.aspx?searchword=%e5%be%84%e6%b5%81%e9%a2%84%e6%b5%8bamp;tjType=sentenceamp;styleamp;t=runoff%2Bprediction Runoff Prediction in Jingou River Basin Based on HYPERLINK /dict_result.aspx?searchword=%e4%ba%ba%e5%b7%a5%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9camp;tjType=sentenceamp;styleamp;t=artificial%2Bneural%2Bnetwork Artificial Neural Network HYPERLINK /dict_result.aspx?searchword=E%1AB%1Aamp;tjType=sentenceamp;styleamp;t=abstract Abstract As a HYPERLINK /dict_result.aspx?searchword=%e5%a4%a7%e8%a7%84%e6%a8%a1amp;tjType=sentenceamp;styleamp;t=large-scale large-scale HYPERLINK /dict_result.aspx?searchword=%e5%a4%8d%e6%9d%82%e7%b3%bb%e7%bb%9famp;tjType=sentenceamp;styleamp;t=complex%2Bsystem complex system, HYPERLINK /dict_result.aspx?searchword=%e6%b0%b4%e8%b5%84%e6%ba%90amp;tjType=sentenceamp;styleamp;t=water%2Bresources water resource system which is HYPERLINK /dict_result.aspx?s