XPBK神经网络模型的构建与应用.pdf

《XPBK神经网络模型的构建与应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第2期人民黄河Vo1．36．No．22014年2月YELL0WRIVERFeb．，2014【水文·泥沙】XPBK神经网络模型的构建与应用赵丽霞，阚光远，李致家(河海大学水文水资源学院，江苏南京210098)摘要：为了较好地模拟流域汇流过程，采用K最近邻算法、Pareto前沿解集法等方法对传统的BP模型进行了改进，然后结合新安江模型的产流模块构建了XPBK模型，以呈村、东湾、阜平3个流域作为研究对象，对各流域进行了模拟。结果表明：①在呈村、东湾和阜平3个流域中，XPBK模型的模拟效果总体上

2、优于新安江模型的；②呈村流域新安江模型和XPBK模型的确定性系数均值均为0．97，东湾流域、阜平流域中XPBK模型的确定性系数均值均大于新安江模型的；(~)XPBK模型运用于流域模拟是可行的，尤其对湿润地区的模拟精度较高。关键词：K最近邻算法；Pareto前沿解集法；BP网络；新安江模型；XPBK神经网络模型中图分类号：P333文献标志码：Adoi：10．3969／j．issn．1000．1379．2014．02．010BuildingandApplicationofXPBKNeuralNetw

3、orkModelZHAOLi—xia，KANGuang—yuan，LIZhi-jia(CollegeofHydrologyandWaterResources，HohmUniversity，Nanjing210098，China)Abstract：Inordertoaccuratelysimulatethehydrologicalprocessesinawatershed，thispaperintroducedanewhydrologicmodel-XAJParetoBackPropagation

4、K—nearestneishbourmodel(XPBK)．TheXPBKcoupledtheXAJmodelwithtraditionalBPartificialneuralnetworkmode1．Optimiza-tionoftheXPBKmodelparameterswasachievedbyusingtheParetofrontsetoftheK—nearestneighboralgorithm．TheXPBKmodelwasappliedtohourlystreamflowsimul

5、ationsinChengcun，DongwanandFupingwatersheds．Theresultsindicatethat：a)TheperformanceofXPBKissuperiortoXAJinallthewatersheds；b)InChengcun，anaveragecoefficientofdeterminationofbothXPBKandXAJis0．97，however，XPBKoutperformsXAJintheDongwanandFupingwatershed

6、s；e)XPBKmodelisapromisingtoolforsimulatingvarioushydrologicprocessesanditachieveshighersimulationaccuracyinhumidregions．Keywords：K—nearestneighboralgorithm；Paretosolutionset；BPneuralnetwork；Xinanjiangmodel；XPBKneuralnetworkmodel水文预报中常用的水文模型有概念性模型和黑箱模

7、型，其参数的概念性模型，其根据流域下垫面情况将流域分为若干个中新安江模型-31为概念性模型，主要采用三水源、三层蒸散单元流域，得出每个单元出口的流量过程，然后利用马斯京根发的模式进行流域产流模拟，模拟精度高，在我国得到了广泛法将每个单元流域预报的流量过程演算到流域出口，最后叠加应用，汇流计算采用线性水库法，河道汇流采用马斯京根法和起来即为整个流域的预报流量过程。单元面积上的产流采用滞后演算法，汇流参数多且十分敏感，优选参数难度较大。传蓄满产流概念，蒸散发分为上、中、下3层；水源分地表径流、壤统的

8、BP模型是一种数据驱动的黑箱模型，其网络参数由中径流和地下径流3种；汇流分为坡地汇流、河网汇流2个BP算法训练获得，受经验因素影响较小，具有强大的非线性阶段。新安江模型的参数由人工调试获得，受经验因素的影响较模拟能力。但是，传统的BP模型常采用实时预报模式进行模大。笔者结合SCE—UAl9算法与遗传早停止LM算法对模型拟，缺乏前期实测流量时无法进行连续模拟，预见期短，又因传参数进行优化，使模型的操作运行更加简单、方便。在进行模统的BP模型的阶数和隐含层神经元个数较难确定，故单独依拟预报时，将流域