径流预报的混沌神经网络理论及应用

文章针对河 川径流非线性动 力学混沌过程 ,介绍了径流 的混沌 识别、径 流重构 相空 间技术 及径 流序列的 混沌 预报方 法,在 此基础 上,以 葛洲坝 水库为 例,对 其日径 流进 行预报, 获取得 了满 意的 结果     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

RBF神经网络在径流预报中的应用

鉴于径流的形成受众多因素的影响和径流预报具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的径流预测模型.经实例验证,该模型收敛速度快、预测精度高,并与BP网络作了对比,RBF网络显示了较好的优越性.     

径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

混沌神经网络的研究现状及应用

本文简要地介绍了人工神经网络和混沌的基本特性，并着重讲述了混沌神经网络的研究现状及混沌神经网络的应用。     

基于弹性梯度下降算法的BP神经网络降雨径流预报模型

运用反向传播(back propagation, BP)的改进算法弹性梯度下降算法,选择崇阳溪上游流域1997—2014年的14场降雨径流过程,以流域内洋庄、吴边、大安、坑口、岭阳、岚谷6个雨量站的实测降雨量和武夷山水文站的前期流量资料为输入,武夷山水文站相应流量为输出,建立弹性梯度下降算法的BP神经网络降雨径流预报模型,采用7场降雨径流过程对模型进行检验。结果表明,与传统的反向传播算法相比,该模型所需的参数较少,运算速度显著提高,模型的预报精度满足要求,可以为防汛部门预测洪水提供依据。     

长短期记忆网络在中长期径流预报中的应用

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题.以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以...     

混沌神经网络的研究现状及应用

本文简要地介绍了人工神经网络和混沌的基本特性,并着重讲述了混沌神经网络的研究现状及混沌神经网络的应用。     

径流中长期预报加权关联度模式识别

提出一种计算加权关联度的新公式；提出确定影响径流中长期预报前期因子要权重的方法与原则；提出利用加权关联度进行径流中长期预报加权关联度模式识别的方法，实例计算说明是有效的。     

丹江口水库径流长期预报研究

应用时间序列分析方法，建立了丹江口水库径流序列的长期预报分解模型；采用多各方法邓序列特性（如平稳、趋势、周期等）进行了检验，深入讨论了序理财生和外推性。计算成果表明所提模型是合理的。     

混沌系统及混沌神经网络同步的研究

对蔡氏混沌电路单向耦合同步进行数学分析 ,导出耦合系数及耦合电阻与蔡氏电路参数之间关系的表达式 ,通过仿真和硬件实验证实本文的结论 .对竞争型混沌神经元的同步进行了计算机仿真 ,由此说明混沌神经元在一定的条件下能够实现混沌同步 .     

基于混沌-动态递归神经网络的地下厂房高边墙围岩变形预报

预测地下厂房高边墙围岩变形是大型水电站设计和施工中重要的研究课题.引入混沌理论,对神经网络进行优化,建立变形预报的动态-递归神经网络模型,通过计算最大Lyapunov指数获得预报最大时间天数,运用混沌特性力学参数优化神经网络结构,通过递归神经网络映射混沌相空间相点演化的非线性关系,提高了预测精度和稳定性.某大型水电站实例表明,预报值与实测位移之间误差都小于10%,预测精度高,实时可靠,对开挖结束后的位移进行了预报,结果合理.     

基于混沌搜索的神经网络及在优化问题中的应用

在运用Hopfield神经网络求解优化方面问题的同时,引进GCM混沌神经网络,对求解过程进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个物流配送的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

径流中长期预报的灰色系统方法研究

探讨径流中长期预报的灰色系统方法，提出了全因果序列扩维的灰关联模式识别与预测方法，灰参数线性模型的预测方法以及ＧＭＲ（１，１）模型，分别用于年月径流预测和灾变预测，通过海河流域潘家口水库资料验证，表明计算方法是可行的。     

基于混沌理论的径流降尺度分析

基于混沌理论,研究水文科学的尺度问题,将混沌分析方法应用于经流的降尺度计算。通过分析大时间尺度的年径流量分解到小时间尺度的月径流量的分解系数的混沌特征量,论证了分解系数具有混沌特性。在此基础上,对分解系数进行相空间法预测,利用预测结果进行月径流量的降尺度计算。实例研究表明混沌方法用于降尺度分析的有效性。     

丹江口水库径流长期预报研究

应用时间序列分析方法，建立了丹江口水库径流序列的长期预报分解模型；采用多种方法对序列特性（如平稳、趋势、周期等）进行了检验，深入讨论了序列周期的稳定性和外推性。计算成果表明所提模型是合理的．     

神经网络在混合电力系统短期预报中应用

应用ＢＰ型即误差逆传播型人工神经网络对水火混合电力系统中的负荷及水库独立来水进行短期预报，结果表明该方法是有效可行的，对混合电力系统的最优经济调度具有积极作用。     

基于混沌RBF网络的地下厂房围岩变形预报

引入混沌时间序列理论有效解决非线性混沌时间序列的预报问题.表征混沌特性的分维数D和最大Lya-punov指数1λ计算结果表明变形时间序列具有混沌特性;神经网络克服了模型必须是基本观测数据的线性和非线性组合的局限,具有很强的自适应性和记忆功能.结合混沌特性将一维时间序列重构为多维相空间,优化RBF神经网络结构,建立混沌时间序列神经网络预报模型.实例表明,预测值与实测值的相对误差小于6%;后期预报的变形随时间增长呈下降趋势,符合工程实际情况.