共查询到20条相似文献,搜索用时 62 毫秒
1.
根据丰满水库的流域特性,尝试使用BP神经网络模型进行洪水预报。针对随机生成网络权重的盲目性,采用遗传算法进行初始权重优化。通过历史洪水检验,证实此模型在丰满水库的洪水预报中有很高的预报精度和应用价值。 相似文献
2.
3.
4.
基于实码加速遗传算法的投影寻踪分类模型在水稻灌溉制度优化中的应用 总被引:42,自引:0,他引:42
水稻灌溉制度的优化模式及其理论分析一直是人们关注的问题。传统的水稻灌溉制度优化评价方法——模糊综合评判法与灰色评判法均存在权 重矩阵的主观赋权的人为干扰,造成评价结果的出入。作者在模糊数学理论与田间试验结合的基础上,提出了基于实码加速遗传算法(RAGA)的投影寻踪分类模型(PPC),通过优化水稻生育阶段的状态变量指标的最佳投影方向,得到各样本的投影值,从而对各灌溉模式进行分类与评价,克服了二阶模糊综合评判法与灰色系统评价中权重赋值的人为干扰,确定出浅湿干灌溉为最佳的水稻灌溉模式。经生产实践证明,符合实际情况。该模型对处理农业灌溉系统中具有模糊性、不确定性的高维数据的综合评判、排序、寻优等方面研究提供了新的方法与思路。 相似文献
5.
针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度。基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类。基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报。以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前。经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效。 相似文献
6.
考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。 相似文献
7.
基于遗传算法的模糊优选BP网络模型及其应用 总被引:12,自引:2,他引:10
在模糊优选BP神经网络模型的基础上,引入遗传算法,提出融入遗传算法的模糊优选神经网络预测模型,是对模糊优选BP神经网络模型的进一步发展。其基本思路是:在BP算法训练网络出现收敛速度缓慢时启用遗传算法优化网络的运行参数,把优化的结果作为BP算法的初始值再用BP算法训练网络,这样交替运行BP算法和遗传算法,直到达到问题要求的精度。在新疆雅马渡站年径流量的预报中,预测模型在预报精度和算法的收敛速度方面都达到了较好的效果。 相似文献
8.
9.
10.
将遗传算法全局寻优和BP神经网络局部寻优的特点结合起来,取长补短,解决了BP网络收敛速度慢和易于陷入极小值的问题,大大提高了BP网络的计算精度和收敛速度。并应用该模型,在分析影响汛期潼关高程因素的基础上,对汛期潼关高程的变化量进行了计算。并利用该BP网络模型对不同条件下的潼关高程的变化值进行了预测,模型能很好的反映潼关高程的变化趋势。经过遗传算法改进后的BP网络在降低计算和预测的平均误差的同时,迭代次数比一般BP网络也大大减少。很适合运用在复杂的水库优化调度计算中。 相似文献
11.
BP神经网络算法在年电力负荷预测中的应用 总被引:2,自引:0,他引:2
本文主要研究电力负荷预测方法,依照神经网络系统理论,建立神经网络模型,并通过实例计算,介绍了BP神经网络算法在年电力负荷预测中的应用。 相似文献
12.
基于BP网络的河道径流预报方法与应用 总被引:3,自引:0,他引:3
河道径流预报过程可以认为是一种复杂非线性函数关系的逼近过程。BP网络具有表达任意非线性映射的特性,因此建立了基于MATLAB神经网络工具箱的BP网络的径流预报模型。其中采用自相关函数确定网络输入层的神经元数,通过比较样本均方误差值来确定隐含层的神经元数。利用清江渔峡口以上流域1989~1995年的径流量资料对该模型进行了训练和检验,从而完成了该流域年径流量的预报,并且用多项精度评定指标对其进行了精度定量评价。结果表明:所建模型对所选流域的径流预报精度达到了乙等以上水平,具有一定的实用性。 相似文献
13.
14.
为提高汛期降雨量中长期预报的精度,采用芒种日分析充分提取有用信息,基于BP神经网络模型,构建了芒种日分析的BP神经网络耦合模型,并将其应用于北京市中长期汛期降雨量的预测。结果表明:相比于常规BP模型,耦合BP模型能够有效提高预报的精度,验证期耦合BP模型模拟值与实测值相关系数为0.78,明显优于常规BP模型的0.42;耦合BP模型较常规BP模型的预报合格率提高了40%。芒种日分析能够充分发掘隐藏在原始数据中的有用信息,降低极端值等噪声数据对预报结果的影响,有效提高了模型的预报精度。将传统节气与人工智能预报技术相结合,为中长期汛期降雨量预报提供了一种新思路。 相似文献
15.
人工神经网络模型在流域水沙预报中的应用 总被引:8,自引:2,他引:6
运用BP人工神经网络模型的基本原理 ,根据流域产流产沙的基本规律 ,以流域降雨条件为基本影响因子 ,由流域实测资料建立了BP神经网络模型。该模型具有很好的学习和泛化性能。同时该模型能用于评价流域内人类活动因素对流域产流产沙规律的影响。将该模型应用于兴山、碧溪、顺利峡站 ,并与实测资料进行了分析比较 ,结果表明 ,模型基本合理、可靠 相似文献
16.
精确的水文预报是防洪减灾中重要的非工程措施,水文模型是开展水文预报最有力的工具。采用LM算法改进了的BP神经网络水文预报模型,以闽江富屯溪流域为例,进行了BP模型和新安江模型在日流量模拟预报中的应用比较。结果表明:两个模型总体均达到水文预报的精度要求,水文预报合格率可达到90%以上;新安江模型在丰水年模拟效果较好,相比而言,BP神经网络模型的模拟精度更高一些;两个模型均可用于闽江流域的水文预报研究。 相似文献
17.
18.
用BP神经网络预测济南市地下水位,并利用网络“截口”处连接权与阈值的信息,揭示了“过拟合”现象与输入神经元间的多重共线,是导致BP神经网络预测性能降低的主要原因.确定了以当年地下水开采量、前1年地下水位、当年降雨量为输入神经元,拓扑结构为3:3:1的改进的BP神经网络模型,预测了济南地下水位.结果表明,该模型的预测精度较高,相对误差约为6%. 相似文献
19.
20.
黄河内蒙段地处黄河流域最北端,由于它特殊的地理位置、水文气象条件、河道特性,几乎年年发生凌汛。在分析凌汛成因影响因素的基础上,选取合适的预报因子,基于模糊优选神经网络BP模型,对黄河内蒙段封河、开河日期进行样本训练和预报方案验证。预报结果表明,模糊优选神经网络冰凌预报模型计算简便,精度良好。 相似文献