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
|
相似论文
- K公司计划及预测改进对于合理库存配置的研究,F224
- 基于图的标志SNP位点选择算法研究,Q78
- 液力减速器制动性能及用于飞机拦阻的仿真研究,TH137.331
- 深空撞击探测末制导律的设计与分析,V448.2
- 卫星姿态的磁控制方法研究,V448.222
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- Hall推进器寿命预测和壁面侵蚀加速实验研究,V439.2
- 基础教育改革中过程性评价平台的构建与完善,G521
- 基于信息熵的课堂观察量化评价模型研究,G632.4
- 高中信息技术新课程评价方法的实施研究,G633.67
- 高精度激光跟踪装置闭环控制若干关键问题研究,TN249
- 网络语音传输丢包的恢复技术,TN912.3
- 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 网络化系统的鲁棒模型预测控制,TP273
- 硝酸钠制配过程中pH值的预测控制及仿真研究,TP273
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 离散非线性系统输入到状态稳定性研究,TP13
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
中图分类: > 农业科学 > 农业工程 > 农田水利 > 农业水文学
© 2012 www.xueweilunwen.com
|