学位论文 > 优秀研究生学位论文题录展示

小波神经网络模型及其在水文水资源中的应用

作　者: 冯艳
导　师: 付强
学　校: 东北农业大学
专　业: 农业水土工程
关键词: 水文水资源小波神经网络脉冲耦合神经网络蚁群算法预测评价
分类号: S271
类　型: 硕士论文
年　份: 2007年
下　载: 558次
引　用: 5次
阅　读: 论文下载

内容摘要

水文水资源领域中的时间序列，总是受天文、地理、人为活动等众多因素的影响。因而，水文水资源数据具有非线性、多变化、随机性较大等特点，但同时也具有多年变化的周期性和趋势性。常规的线性模型很难解决这些问题，因此，为解决水文水资源中的复杂问题，本文提出了几种小波神经网络模型(WNN)。通过MATLAB计算机语言编程，建立数学模型，应用于实践中，取得了良好的效果。本论文的几点成果如下：1．基于Morlet小波函数的紧致型小波神经网络(WNN)，对该模型的数据转化、参数设置、参数调整进行了改进。将该耦合模型首次应用于水稻需水量预测中，取得了良好的效果。2．脉冲耦合神经网络(PCNN)被称为“第三代人工神经网络”，本文在原有简化模型的基础上，对该模型进行了很大的改进。首次提出了改进型PCNN的水资源利用状况评价模型、基于A Trous小波变换的PCNN年降雨量预测模型，均取得良好效果，在理论上有较大的改进。3．蚁群算法是近代仿生学的新成果，并具有很好的全局优化能力。本论文找到了蚁群算法与Marr小波神经网络的结合点，并做了相应的改进，首次提出了基于蚁群优化的小波神经网络模型。该耦合模型用于地下水位预测中，取得了满意结果。基于以上几种的模型的建立，本论文实现了理论与实践的有机结合。该论文的研究成果既为水文水资源领域的复杂、非线性问题提供了新的方法和思路，同时也拓宽了小波神经网络模型的应用范围，并且在理论上做了相应的改进。

全文目录

摘要  8-9
Abstract  9-10
1 绪论  10-14
  1.1 立题依据  10
  1.2 水文水资源现状及其发展趋势  10-11
  1.3 研究目的及研究意义  11-12
  1.4 立题思想和内容安排  12-13
  1.5 基本技术路线  13-14
2 小波神经网络概述  14-32
  2.1 人工神经网络  14-19
    2.1.1 人工神经网络的发展历程  14-15
    2.1.2 人工神经网络模型的特点  15-16
    2.1.3 人工神经网络的基本原理  16-17
    2.1.4 人工神经网络的拓扑结构  17-18
    2.1.5 人工神经网络模型的分类  18
    2.1.6 人工神经网络的应用领域  18-19
  2.2 小波分析  19-28
    2.2.1 小波分析的发展历程  19-20
    2.2.2 小波分析的基本原理  20-23
    2.2.3 快速小波变换算法  23-26
    2.2.4 几种基本小波介绍  26-27
    2.2.5 小波分析的应用现状  27-28
  2.3 小波神经网络  28-30
    2.3.1 小波神经网络的兴起及发展现状  28-29
    2.3.2 人工神经网络与小波分析的耦合途径  29
    2.3.3 小波神经网络在水文水资源应用中的现状  29-30
  2.4 本章小节  30-32
3 基于BP算法的小波神经网络模型及应用  32-42
  3.1 BP算法的基本原理  32-35
    3.1.1 BP算法的网络结构及模型  32-34
    3.1.2 BP算法的改进措施简介  34-35
  3.2 基于Morlet小波的BP网络模型  35-36
  3.3 水稻需水量预测的小波BP网络模型  36-40
    3.3.1 耦合模型的改进及运算步骤  36-38
    3.3.2 实例应用的基本资料  38-39
    3.3.3 耦合模型预测结果分析  39-40
  3.4 本章小结  40-42
4 基于PCNN的小波神经网络模型及应用  42-58
  4.1 脉冲耦合神经网络(PCNN)模型的基本原理  42-46
    4.1.1 PCNN模型的研究现状  42-43
    4.1.2 PCNN模型结构及工作原理  43-46
  4.2 PCNN模型的改进及应用  46-49
    4.2.1 水资源评价的PCNN模型  46
    4.2.2 改进的PCNN模型在水资源利用状况评价中的应用  46-49
  4.3 基于小波变换的PCNN模型原理  49-50
  4.4 降雨径流预测的小波PCNN模型  50-56
    4.4.1 小波变换——A Trous  50-51
    4.4.2 应用实例  51-56
  4.5 本章小结  56-58
5 蚁群算法优化的小波神经网络及应用  58-70
  5.1 蚁群算法(ACA)概述  58-63
    5.1.1 蚁群算法的研究进展  58-59
    5.1.2 蚁群算法的基本原理  59-60
    5.1.3 蚁群算法的基本特性  60
    5.1.4 蚁群算法模型描述  60-63
  5.2 蚁群算法优化的小波神经网络模型  63-65
  5.3 基于蚁群算法的小波神经网络在水文水资源中应用  65-69
    5.3.1 应用实例的基本资料  65-66
    5.3.2 输入输出样本对的确定  66-67
    5.3.3 确定网络结构及网络参数  67
    5.3.4 预测结果分析  67-68
    5.3.5 结论  68-69
  5.4 本章小结  69-70
6 结论  70-72
  6.1 本课题的分析结论  70
  6.2 小波神经网络在实际应用中存在的不足  70-71
  6.3 小波神经网络在水文水资源应用中的前景展望  71-72
致谢  72-74
参考文献  74-82
攻读硕士学位期间发表的学术论文  82

小波神经网络模型及其在水文水资源中的应用

内容摘要

全文目录

相似论文