资源描述：
《对于人工神经网络非线性时序模型在水文预报中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第19卷增刊四 川 水 力 发 电Vol.19,Supplement2000年8月SichuanWaterPowerAug.,20003人工神经网络非线性时序模型在水文预报中的应用王文圣, 丁 晶, 刘国东(四川大学,四川成都 610065)摘 要:首先构造出人工神经网络非线性时序模型,然后用该模型进行单变量和多变量时间序列预报研究。为了与传统的随机水文模型对比,选择了自回归模型。以日流量序列为例,研究结果表明,人工神经网络非线性时序模型预报效果不错,可以在水文预报中加以应用。关键词:人工神经网络非线性
2、时序模型;自回归模型;单变量;多变量;日流量预报中图分类号:TV12 文献标识码:B文章编号:100122184(2000)增200082031 引 言2 人工神经网络非线性时序模型水库的运行与管理都要涉及到它的入流——径水文时间序列包含了丰富的水文系统信息,它流时间序列的预报和分析。目前常用的水文预报方不仅是过去随时间的演变,而且可以用来预测未来法可分为三类:经验预报、水文学概念性模型和数学的发展规律和趋势。水文时间序列如径流、洪水是水模型。上述三种方法通常都是假定水文系统是
3、线性文系统随时间的输出,一般呈现出复杂的、动态的、的,然后用线性递推和组合的方法来描述。事实上,高度的非线性(如吸引性、耗散性、非平稳性、高维水文系统是一个严格的非线性系统,它包含着系统性、广泛联接性和自适应性等)。因此,应用非线性时时间和空间变化的非线性特性。因此,要延长预见期间序列分析方法进行分析和计算是必要的。人工神和提高预报精度,有必要在水文中应用非线性水文经网络模型就是一种非线性模型。本文用人工神经模型,如门限自回归模型,指数自回归模型[1],双线网络来构造水文时间序列预测模型,称为人工神经性
4、模型[2]等,初步结果表明是成功的。网络非线性时序模型。根据研究对象可分为单变量[3]人工神经网络非线性时序模型和多变量人工神经网近年来,又掀起了人工神经网络研究热潮。人络非线性时序模型。工神经网络(ANN)是一个由简单信息处理单元(神2.1 单变量人工神经网络非线性时序模型经元)组成的高度相关的网络系统,是非线性动力学[4]单变量人工神经网络非线性时序模型定义如系统,它的优点明确:①人工神经网络的应用不需下:要基本过程的前期知识;②在研究应用中不需识别Xt=U(Xt-1,⋯,Xt-i,⋯,Xt-P)+
5、Et(1)过程的各部分之间的复杂关系;③人工神经网络既式中 {Xt}(t=1,2,⋯,n)为单变量水文时间序列;不需要约束,也不需要事先假定解的结构,它总是收P为模型输入节点数;Et为白噪声;U为人工神经网敛于一个最优解;④它能并行快速处理大量信息;⑤络非线性映射,体现在神经网络结构和联接权重上,它是高度非线性网络,具有良好的非线性逼近功能。[5]它不能用一具体函数形式表达,为一隐式函数,能反ANN在水文水资源中得到了不断的应用和研究,映系统各种复杂的、动态的、高度非线性的关系。[4][6]从文献中可以
6、看出它在水文预报和模拟中的应真实水文系统是非线性的,它受多因素影响,表用是成功的。现为错综复杂的关系,这种关系用一具体函数(不管本文首先构造出人工神经网络非线性时序模线性还是非线性)表达是不准确的。然而,这正是人型,然后用该模型进行单变量和多变量时间序列预工神经网络模型的优势所在。模型结构如图1所示报研究。为了与传统的随机水文模型对比,文中选择(以三层网络为例)。单变量人工神经网络非线性时了自回归模型。以日流量序列为例,研究结果表明,序模型是多输入单输出人工神经网络模型,它研究人工神经网络非线性时序模型
7、预报效果不错,可以的是单变量水文时间序列,类似于随机水文学中的在水文预报中加以应用。单变量自回归模型。就水文预报而言,对(1)式取数收稿日期:1998201221学期望就可递推预报第k滞时水文特征值,即:3dddd基金项目:自然科学基金资助项目(编号:49571017)Xt+k=U(Xt+k-1,Xt+k-2,⋯,Xt+k-P)。82.2 多变量人工神经网络非线性时序模型为标准正态化序列,m为变量个数;Aj(j=1,2,⋯,(1)2mT多变量人工神经网络非线性时序模型即多输入P)为m×m阶矩阵;Ut=(
8、Ut,Ut,⋯,Ut)为正态dd多输出人工神经网络模型,它研究的是多变量时间白噪声。它的第K滞时预报为Zt+k=A1Zt+k-1+dd序列,类似于随机水文学中的多变量自回归模型。所A2Zt+k-2+⋯+APZt+k-P。当m=1时,式(3)退化为谓多变量可以是同一测站上的几个变量,如降水、径单变量P阶自回归模型AR(P),即:(1)(1)(1)(1)(1)流、蒸发等,也可以是不同测站上的同一变量,或者Zt=U1Zt-1+U2Zt-2+⋯+U
