学位论文 > 优秀研究生学位论文题录展示

神经网络在洪水预报中的应用研究

作　者: 侯翔
导　师: 张凤荔
学　校: 电子科技大学
专　业: 计算机科学与技术
关键词: 洪水预报 MATLAB 人工神经网络遗传算法
分类号: TP183
类　型: 硕士论文
年　份: 2013年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

受四川盆地地形与北部秦岭山脉的影响，达州市河流众多，洪灾频频发生，每次洪灾都给达州市政府和人民带来巨大的经济损失和惨重的人员伤亡。事实证明，如果我们还不采取有效的措施来预防洪水，人民的生命财产将面临巨大的威胁，经济损失也将日益扩大。而洪水预报是一种非常重要的非工程防洪措施，直接影响着防汛、水资源的合理利用和水利工程的管理等工作情况。当前，基本上所有的洪水预报模型都是以实测数据为基础建立起来的，例如统计模型、确定性预报模型，只能够近似的来模拟实际洪水规律。但在实际应用中,这些洪水预报模型受到了许多条件的限制，难以被运用于处理洪水和各要素之间的内在关系。本文在国内外研究成果的基础上，研究了如何将人工神经网络应用于洪水预报中。详细介绍了人工神经网络和BP神经网络的基本理论，给出了建立BP网络的几点注意事项，分析了BP神经网络的缺陷，介绍了几种改进算法。并采用LM算法改进的BP神经网络模型预报了四川省达州市州河上游东林水文站的洪水流量，分析了预报结果，找出了BP神经网络模型的不足之处。本文研究的重点是将如何将遗传算法（GA）运用到人工神经网络（ANN）中去。通过研究GA算法，针对BP网络在学习过程中存在的问题，对BP神经网络进行了优化，设计出了GA-BP神经网络模型，该模型能够避免BP神经网络模型在学习过程中得到局部最优解。以州河流域水文资料数据为研究样本，用MATLAB（2009a）神经网络工具箱作为开发环境实现了GA-BP洪水预报模型，通过反复训练获得了预报结果，并与单一采用LM算法的BP神经网络模型进行比较。结果表明，GA-BP神经网络模型的预报结果合理、相对误差小、收敛速度快，预报精度高。该模型实用性较强，在洪水预报领域能够得到较好应用，可以为达州市的防汛工作提供一定的参考意见。

全文目录

摘要  5-6
ABSTRACT  6-11
第一章绪论  11-23
  1.1 论文的研究背景  11-13
  1.2 论文的研究意义  13-14
  1.3 国内外水文预报的发展和现状  14-16
    1.3.1 国外研究现状  14-16
    1.3.2 国内研究现状  16
  1.4 人工神经网络在水文预报中的应用  16-20
  1.5 人工神经网络与洪水预报结合的优势  20-21
  1.6 本文研究的主要目的和内容  21-23
    1.6.1 研究的主要目的  21
    1.6.2 研究的主要内容  21-22
    1.6.3 论文的组织结构  22-23
第二章人工神经网络基本知识  23-37
  2.1 人工神经网络概述  24-26
    2.1.1 人工神经网络的概念  24
    2.1.2 生物神经元  24-25
    2.1.3 人工神经元  25-26
  2.2 人工神经网络的发展历程  26-28
  2.3 人工神经网络原理及工作方式  28-30
    2.3.1 人工神经网络的原理  28-29
    2.3.2 神经网络的工作方式  29-30
  2.4 传递函数及学习规则  30-34
    2.4.1 传递函数  30-33
    2.4.2 学习规则  33-34
  2.5 人工神经网络的分类及主要模型  34-36
    2.5.1 人工神经网络的分类  34-35
    2.5.2 常用人工神经网络模型  35-36
  2.6 本章小结  36-37
第三章 BP 神经网络分析  37-48
  3.1 BP 网络的分析  37-43
    3.1.1 误差指数  39
    3.1.2 偏导数误差的计算  39-41
    3.1.3 反向传播递推网络敏感性  41-43
  3.2 使用 BP 神经网络建模的注意事项  43-44
  3.3 BP 网络的缺陷及改进  44-47
    3.3.1 BP 网络的缺陷  44
    3.3.2 BP 网络的改进  44-47
  3.4 本章小结  47-48
第四章 BP 神经网络在洪水预报中的应用  48-65
  4.1 流域概况及其资料分析  48-52
    4.1.1 流域概况  48-50
    4.1.2 洪水气候特征  50-51
    4.1.3 资料分析与整理  51-52
  4.2 BP 网络洪水预报模型的建立  52-58
    4.2.1 数据预处理  52-54
    4.2.2 BP 神经网络设计的基本方法  54
    4.2.3 模型的设计和建立  54-56
    4.2.4 模型的训练及分析  56-58
  4.3 BP 模型预测结果及分析  58-63
    4.3.1 洪水预报精度评定的规定  58-60
    4.3.2 预报结果及分析  60-63
  4.4 预报模型的优缺点  63-64
  4.5 本章小结  64-65
第五章 BP 网络洪水预报模型的优化设计  65-82
  5.1 遗传算法  65-69
    5.1.1 遗传算法的简介  65
    5.1.2 遗传算法的构成要素  65-69
  5.2 BP 神经网络与遗传算法的结合  69-71
  5.3 优化预报模型的步骤  71-78
    5.3.1 步骤一：参数设定和种群初始化  72
    5.3.2 步骤二：设计适应度函数  72-73
    5.3.3 步骤三：遗传操作  73-74
    5.3.4 步骤四：进化终止判断  74
    5.3.5 步骤五：BP 网络训练  74-78
  5.4 优化后的模型预报测试  78-80
  5.5 本章小结  80-82
第六章结论  82-84
致谢  84-85
参考文献  85-91
攻硕期间取得的研究成果  91-92

神经网络在洪水预报中的应用研究

内容摘要

全文目录

相似论文