改进RBF网络模型在中长期水文预报中的应用.pdfVIP

2017年第3期 水利技术监督 工程实践 DOI：10．3969／j．issn．1008—1305．2017．03．043 改进RBF网络模型在中长期水文预报中的应用 张 宇 (辽宁省锦州市水文局，辽宁锦州121000) 摘要：文章通过分析预报年份非汛期中各月份径流量预报因子，针对历史径流资料中各预报因子与预报年份关联 度，实施较大关联度代表年份筛选。同时，基于Matlab软件构建融合灰色关联度的RBF网络预测模型，探索预 报目标年汛期径流量。应用实例表明，采用改进RBF网络模型实施汛期径流总量预报，具备运行速度快且准确 度较高等优势。 关键词：RBF；网络模型；水文预报；灰色关联度 中图分类号：P338 文献标识码：B 文章编号：1008—1305(2017)03—0138·03 具备较强准确性、时效性的水文预报有利于区 学邓聚龙教授首先提出的基于数学理论的一种新兴 域水资源优化调度，在水文中长期预报时，通常可 学科，主要用来研究信息不足、数据不全的模糊问 以和短期预报及超长期预报相结合，从而有利于统 题的求解。该理论最初主要应用于经济学中，现在 筹解决蓄水、弃水、防洪以及抗旱等各用水单位之 已经在交通、地质、石油、能源、水利以及农业等 间的矛盾，实现水资源效益最大化¨。。传统中长期 领域中得到广泛应用Ho。灰色系统理论中的一个重 水文预报主要采取成因分析法及水文统计法，随着 要组成部分是灰色关联度，它是按照因素变化的相 计算机技术发展，人工神经网络(ANN)分析预测似情况进行分析判断的，可以按照几何形状的相似 法等逐步应用于水文预报工作旧1。因此，本文结合 或相近程度来进行区别。假设有一参考数列z。(k)= 灰色关联度理论，探索构建改进的RBF神经网络 {戈。(1)，戈。(2)，…，石。(n)}，另有一比较数列 模型，以期实现科学的中长期水文预报。 xi(k)={石i(1)，戈i(2)，…，z。(n)}。 可把下式定义成为参考数列和比较数列间的关 1径向基函数神经网络理论 联系数。 Neural 人工神经网络(ArtificialNetwork)是基于 77。(k)= 模仿大脑神经网络结构和功能建立起来的一种信息 f X0(￡)一戈；(f)l+pl算o(f)一戈。(￡)l m。inm。in m。axm。ax 处理系统，主要是以数学模型来模拟神经元的活 f f戈o(t)一戈。(t)f zo(k)一算。(k)f+pm．axm．ax 动，它能够广泛应用于管理、控制、优化和预测等 (1) 方面。径向基函数神经网络(RBFNN)，它是一种 式中，p一分辨率，大小在0与1之间，常取0．5； 包含输出层、隐含层和输入层的神经网络系统。由 I戈。(f)一石。(￡) m。axm。axl笫。(￡)一石；(￡)l和啊n哪n 于它可以以任何精度逐渐逼近任何的连续函数，且