地下水文预测中BP网络的模型结构及算法探讨

本文探讨了人工神经网络中不同BP网络结构和算法在区域地下水文预测中的应用,实例比较了不同层次结构、学习速率、隐层单元数及不同算法等对收敛效果、模拟预报结果的影响。提出了一些BP模型的设计应用技术,即学习速率的取值范围与BP网络层数有一定关系,层数多,稳定区间较小,一般学习速率取值为0.01～0.1。快速BP算法从训练速度,收敛精度等方面均优于普通BP算法,可作为改进BP算法之一。在此基础上根据黄河河套灌区多年的水文、气象和地下水信息,对灌区多年的年地下水埋深变化进行了模拟,预测了河套灌区节水工程实施后未来灌区地下水位下降的趋势,为大型灌区节水工程改造与BP模型在区域地下水文中的应用提供了参考。     

基于BP网络的中长期水文预报精度影响分析

文章分析了影响中长期水文预报BP网络模型精度的因素,其中输入层节点数、节点转换函数及网络训练方式的选择对模型精度的影响很大。并结合研究结果,对中长期水文预报BP网络模型的参数优选提出了一些建议。     

基于BP网络模型的大桥水库入库径流预测

大桥水库入库径流预测对其水资源合理利用有着十分重要的实际意义。由于径流过程具有不确定性和随机性的特点,本文利用BP人工神经网络模型,根据大桥水库坝址径流资料,分析了径流变化的基本规律,并对入库径流进行预测。研究结果表明,建立的径流预测模型精度较高,从而为大桥水库工程综合利用及优化管理提供了有效的方法。     

改进的BP网络对桩抗压强度的预测与分析

基于MATLAB算法语言,编写了改进的BP网络模型的训练程序,并对一粉 喷桩的抗压强度进行了预测。结果表明：改进的BP模型比通用的回归分析方法所得结果精度 高,也比一般的BP模型结果误差小、收敛快,而且避免了训练瘫痪问题的出现,使网络更稳健。     

改进BP网络模型在径流预测中的应用

为了克服传统BP网络模型在训练过程中部分参数难以快速准确拟定的缺点,利用免疫粒子群算法对BP网络模型中隐含层节点数、最大训练次数、学习效率、动量因子等参数进行决策优选,建立了基于免疫粒子群算法的改进的BP网络模型。通过应用于某水电站水库的入库径流预测,结果表明,与传统BP网络模型相比,利用改进的BP网络模型所得的径流预测结果更准确。     

基于BP网络的全国需水量预测研究

采用BP算法设计预测系统对1980年、1993年、1997～2003年全国生活用水量、农业用水量、工业用水量进行了预测,并与实际用水量数据比较,预测结果准确有效.用该系统预测了2010年、2030年、2050年全国用水量.结果表明,我国未来几十年用水总量不会有大的增长,在人口继续增加的情况下,将继续保持当前的水平.     

具有水文基础的人工神经网络初探

人工神经网络是一种崭新的模拟技术,其中BP网得到了广泛的应用.然而,对于连续降雨径流模拟,BP网应用比较困难.本文提出了一种新的神经网络——水文模拟网络(Hydrological modelling network-HYMN).应用实例结果显示：该网络模拟效果较好。     

灰色拓扑预测方法及其在水文预测中应用的探讨

灰色预测是灰色系统理论的重要组成部分,它利用连续的灰色微分模型,可对系统的发展变化进行全面的观察分析。为克服以往常规灰色拓扑预测的不足,对以往常规拓扑预测中的拓扑诱导基进行改造与变换,变离散拓扑为连通拓扑,将阈值由点转变为区间。提出了灰色阈域的概念。这一改进方法具有充分利用信息,无须作图,计算简便且精度较高,尤其是还能进行峰谷值的变化趋势预测等优点。经测站建模预测结果较好,并在长江三峡水利工程科研工作中得到实际应用。     

改进BP网络用于水轮发电机组动载识别的探讨

应用改进的BP网络在时域内进行了水轮发电机组简化轴系统模型上的载荷识别。该方法与传统的频域方法相比,不需要计算模态矩阵、质量矩阵和刚度矩阵,计算简单。数值仿真算例证明该方法简单、有效,具有一定的工程实用价值。     

水文测报系统多媒体通信网络化问题的探讨

本文首先讨论水文遥测系统的“大环境”,再分析和研究水文测报系统的层次划让,网络互连。在此基础上,依照“物理构成”和“逻辑构成”分开的原则,利用多媒体通信网络技术,首次建立了多媒体通信网络化的水文测报系统的“逻辑构成”体系结构参考模式HDAS—RM,最后,提出要做的工作。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

基于遗传算法优化BP神经网络的岩溶泉水位预测研究

我国北方岩溶大泉是集自然、文化和旅游等多种属性的重要自然资源,对北方岩溶地区经济社会发展有着重要的促进作用。为了精确预测岩溶泉的动态变化趋势,为岩溶泉资源保护提供支撑,基于2016-2018年趵突泉泉域的大气降水量、岩溶水开采量、人工生态补源量等数据,分别构建了6种BP神经网络以及采用遗传算法优化的BP神经网络预测模型,评价了不同预测模型对趵突泉水位的预测效果。研究表明：与BP神经网络相比,将GA算法得到的权值和阈值作为BP神经网络初始值可以很好地提高神经网络预测的稳定性,同时可以大大减少神经网络迭代次数,从而节省大量的计算成本;采用Levenberg-Marquardt训练方法的GA-BP(LM)网络模型具有稳定性高、计算成本低、预测误差小的特征,更适用于岩溶泉水位的预测。     

基于主成分分析的BP神经网络对南京市水资源需求量预测

以南京市为例,利用1999-2010年的总用水量数据,采用主成分分析法对影响水资源需求量的9个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测.结果表明:人口、GDP、万元GDP用水量、人均水资源量、污水年排放量为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立南京市总需水量预测模型.模拟计算结果表明,基于主成分分析的BP神经网络模型,预测结果的平均误差小于0.2亿m3.     

LM—BP神经网络在于桥水库水质预测中的应用

利用BP神经网络的改进算法（L-M）,通过对大量样本进行多次的训练学习,建立于桥水库水质预痢模型,用该模型对于桥水库高锰酸盐指数、五日生化需氧量、氨氮、溶解氧等污染指标进行了预测,预测结果表明,LM—BP神经网络模型用在于桥水库水质预测时是可行的,可以得到较为理想的的精度和可靠度。     

基于粒子群最优化下BP神经网络的短期电价预测(英文)

根据电力市场的相关历史数据准确地预测出未来的市场出清电价,对于市场中的各个参与者都具有十分重要的意义.在建立了一种粒子群优化(PSO)下的BP神经网络电价短期预测模型的基础上,采用PSO进化算法,反复抽取训练子集样本,通过对应的验证样本预测误差寻找近似最有代表性的训练子集,解决了模型的训练样本参数难以设置的问题.实验验证了该预测模型的有效性,结果表明处理好预测模型样本参数的选择问题,能够提高模型的稳定性及预测精度.     

基于BP神经网络的河道断面变形预测模型

采用“试错法”,以及通过建立网络训练学习过程与网络特征参数之间的反馈机制,对BP神经网络隐含层单元数和特征参数进行优化选择。在此基础上,以河段水沙条件、水流主流位置及河道边界条件为输入向量,河道断面高程或冲淤变形为输出向量,建立了基于BP神经网络的河道断面变形预测模型。经长江中游马家咀河段实测资料验证,模型能准确模拟和预测该河段各断面的冲淤变化过程。     

基于人工神经网络的河川径流实时预报研究

将人工神经网络技术应用于河川径流实时预报,建立起河川径流实时预报的BP网络模型,并针对经典BP算法所存在的缺陷,采用共轭梯度优化和误差反向传播训练算法,使得所建立的BP网络模型的收敛性大为改善,消除和避免了实际应用中可能出现的局部优化问题．利用西大洋水库1975～1995年的入库径流系列资料,对所建立的BP网络模型进行训练和检验,同时探讨了网络结构对网络模型预报结果的影响．通过大量的实际应用和对比分析,表明BP网络模型比HG分析模型和相关图法更优越、更具有实际推广和应用价值．     

流域年均含沙量的人工神经网络模型

本文引入人工神经网络BP网络模型对流域产沙进行了定量研究。针对小流域的土壤、地质、地貌在一定的时间范围内具有相当稳定的特性,选取采伐面积、采伐量、降雨量和年均径流量这四个代表植被、气候的主要因子对流域年均含沙量进行了建模预测。建模结果表明采伐面积、采伐量对流域产沙具有较强的延迟效应,得出的BP网络模型不仅拟合精度高,而且预测效果好。这为泥沙方面的定量研究提供了一条新的途径。     

径流预测在雅砻江流域梯级电站中的应用

电力市场环境下,水电站入库径流预测对水电站安排发电调度计划、进行电量交易和竞价上网具有重要意义。基于粒子群优化（PSO）的BP人工神经网络径流预测模型,应用于雅砻江流域梯级电站下的二滩水电站进行月径流预测,并通过对BP人工神经网络和实际数据的比较,建立了雅砻江流域梯级电站径流预测模型,可供梯级电站生产使用参考。     

水轮发电机组神经网络非线性建模研究

针对多层前向神经网络，运用递推预报误差（ＲＰＥ）算法对不轮发电机组进行非线性建模研究，研究结果表明，利用神经网络建立水轮发电机组非线性模型是有效的。