基于遗传算法的神经网络洪水预报研究与应用

《基于遗传算法的神经网络洪水预报研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工程大学硕士学位论文摘要洪水预报是适应自然、减免损失的非常重要的防洪非工程措施，直接为防汛抢险、水资源合理利用与保护、水利工程建设与运用管理和发展工农业牛产服务。水文预报是一个复杂的系统，且具有很强的非线性特征。目前，不论是确定性水文预报模型，还是统计模型都是以实测资料为基础建立起来的一类数学模型，由于受rl：多建模假设的限制，这些模型很大程度上只是对实际水文规律的一种近似模拟，难以用于处理水文现象及其要素之间内在的、复杂的非线性关系。在综述国内外研究的基础上，本文把人工神经网络和遗传算法结合起来，尝试建立GA—LMBP神经网络洪水预报模型。本文的主要

2、研究工作概括如卜：l、系统的阐明了BP神经阚络的基本原理和学习训练过程，分析了BP网络存在的缺陷，介绍了通用的一些改进措施。2、针对水文现象以及备水文要素之问关系的复杂性，利用遗传算法全局搜索能力强的特点与人工神经网络模型学习能力强的特点，把遗传算法用于神经网络初始权重的优化，设计出GA．LMBP算法，可以在一定程度上克服神经网络模型训练中普遍存在的局部极小点问题。3、以某水库33年的最大日库区径流资料数据为例，对GA．LMBP神经网络算法进行计算和检验，运用MATLAB软件进行仿真，并与单一运用常用BP改进算法的仿真结果进行比较，结果显示GA．LMBP算法

3、稳定更好、鲁棒性强，有效的提高了洪水预报的精度。关键词：洪水预报：BP神经网络；遗传算法哈尔滨J二程入学硕士学位论文ABSTRACTFloodforecasting，whichisacomplexsystemwithstrongnonlinearfeature，isaverycrucialnon—structttralmeasureoffloodmitigationtoadaptnatureandmitigatelosses，anddirectlyservesforflooddefense，reasonableutilizationandprotection

4、ofwaterresources，construction，operationandmanagementofhydraulicstructureanddm，elopmentsofindustryandagriculture．Nowadays，whetherdeterministichydrologicmodelorstochastichydrologicmodelisfoundeduponobserveddata．Duetotherestrictionofassumptionsinmodel—construction，thesemodels，inagreat

5、sense，areakindofanalogyofactualhydrologiclaws，andarehardtodealwithcomplexnonlinearrelationsamonghydrologicphenomenaandtheirfactors．Basedonasurrnnaryofdomesticandabroadstudy,thispapertriestOestablishGA—LMBPneuralnetworkfloodforecastingmodel，whichcombinesArtificialNeuralNetwork(ANN)a

6、ndGeneticAlgorithms(GA)．Theframeworkandresearcharelistedasfollows：1．ThepaperclarifiesthebasicprincipleandthestudyprocessofBPneuralnetwork，analysestheexistingweaknessandintroducessomegeneralimprovementmeasure．2．Aimingatthecomplexrelationsofhydrologicphenomenaandtheirfactors，makingus

7、eofexcellentglobalsearchingabilityofGAandfinelearningabilityofANN．UsingGAtooptimizeinitialweightsofneuralnetworktodesignGA—LMBPalgoritlma，inasense，localoptimizingproblems，whichiswidelyexistedinneuralnetworkmodeltraining，canbeovercome．3，Takenareservoirhistoricalrunoffdataasexamples，

8、testifyingtheGA—LMBPalgori