水位流量曲线BP神经网络逼近与多项式拟合对比.docVIP

水位流量曲线 BP 神经网络逼近与多项式拟合对比李守军1 , 高 水位流量曲线 BP 神经网络逼近与多项式拟合对比 李守军1 , 高 磊1 , 徐立中2 , 于 红3 (1 . 宿迁学院机电工程系 , 江苏省宿迁市 223800 ; 2 . 河海大学计算机及信息工程学院 , 江苏省南京市 210098 ; 3 . 徐州理工计算机工程技术研究所 , 江苏省徐州市 221008) 摘要 : 介绍了水位流量曲线的反向传播 (B P) 神经网络逼近方法 ,使用 MA TL AB 对逼近精度和误 差进行分析 ;介绍了水位流量曲线的多项式拟合方法 ,并借助 O ri gi n Pro 分析了拟合精度 。从拟合 原理 、拟合精度、适用场合等方面对这 2 种拟合方法的优劣进行了对比。 关键词 : 水位流量曲线 ; B P 神经网络逼近 ; 多项式拟合 ; MA TL AB ; O rigi n Pro 中图分类号 : TV131 . 3 出了水位流量曲线 ,该流量图是一个逆时针套索 ,反 映一段时期内各因素对水位流量的影响 ,可以通过 传统描点法得到。 引言 水位流量的研究反映在不同的层面 ,例如 :水位 流量变化的原因 ,河道冲淤、淤积、糙率变化对流量 的影响 ,不同流态、水工建筑物不同类型对流量的影 响 ,等等。文献[ 1 ] 从传统的流量系数函数法、平均 值法和新兴的神经网络法 3 个方面提出了过闸流量 的计算方法 ;文献[ 2 ] 进行了反向传播 (B P) 神经网 络对乌斯台河年径流量的研究 ;文献[ 3 ]对河道流量 做了类似的研究 ;文献[ 4 ]在实验室做了神经网络的 函数逼近实验 ;文献[ 5 ]提出了浸润线拟合中应注意 的关键问题 ,对于水位流量曲线的绘制 ,在手工绘图 的基础上增加了计算机曲线拟合绘图的新思路。 制定水位流量关系曲线 ,是流量资料整编中最 关键的部分。根据已知的水位流量资料 ,综合分析 水位流量关系的性质和影响因素 ,才可以制定比较 合理的、符合测站特性的水位流量关系曲线 ,以提高 推算流量的精度 ,提高工作效率。因此 ,研究如何根 据测站资料绘制出高精度的水位流量曲线具有十分 重要的意义。本文结合张家口市清水河某水文站水 位流量资料 ,从 B P 神经网络和曲线拟合 2 个方面 , 对水位流量曲线的绘制方法进行了研究。 0 表 1 水位流量数据 图 1 水位流量曲线 基本资料 表 1 是从张家口清水河某水文站实测水位流量 资料中抽取出来的部分数据 ,共 20 组 ,反映了清水 河水位流量的变化情况。由于受各方面因素的影 响 ,水位流量关系的年际变化很大 ,所以数据的选取 主要集中在年内降雨量比较大的 6 月和 7 月 ,截取 了水位流量数据测量比较密集的一段资料 。图 1 给 1 研究方法 首先 ,基于人工神经网络的理论 ,用 B P 网络逼 近表 1 给定的水位流量数据 ,并在 MA TL AB 环境 下得出逼近结果 ; 然后分析不同 B P 网络的隐层神 经元个数 、传递函数及训练函数对网络性能的影响 ; 最后用多项式拟合的方法对这组数据进行处理 。着 重分析了 B P 网络逼近与多项式拟合的误差、精度 , 以及与测量数据的相关度 ,并对这 2 种拟合方法进 2 收稿日期 : 2008207211 ; 修回日期 : 2009201205 。 序号 水位/ m 流量/ ( m3 ·s - 1 ) 序号 水位/ m 流量/ ( m3 ·s - 1 ) 1 9 . 74 0 . 92 2 9 . 80 1 . 18 3 10 . 03 4 . 34 4 10 . 17 6 . 95 5 10 . 21 7 . 86 6 10 . 25 10 . 90 7 10 . 32 11 . 17 8 10 . 51 20 . 88 9 10 . 63 28 . 09 10 10 . 80 34 . 75 11 10 . 87 43 . 20 12 10 . 93 49 . 60 13 11 . 02 56 . 50 14 11 . 10 65 . 25 15 11 . 18 71 . 78 16 11 . 25 79 . 76 17 11 . 37 88 . 21 18 11 . 38 94 . 16 19 11 . 40 102 . 11 20 11 . 46 108 . 20 行对比分析 ,指出各自的优劣。11 . 4 11 . 46 ] ;t = [ 0 . 92 1 . 18 4 行对比分析 ,指出各自的优劣。 11 . 4 11 . 46 ] ; t = [ 0 . 92 1 . 18 4 . 34 6