人工神经网络在径流长期预报中的应用

介绍了人工神经网络（Artificial Neural Network-ANN）模型,并阐述了BP模型算法。通过Matlab6．5中的Neural Network Toolbox编写程序,根据塔里木河源流叶尔羌河卡群控制水文站历年的气象资料和水文资料,对径流量进行了预报,并对模型进行了验证和分析,结果表明：1968～1997年间预报合格的有25年,合格率为83％;1998～2002年的合格率为100％,从而说明神经网络在水文预报方面具有良好的适用性。     

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．     

多变量 Copula 函数在干旱风险分析中的应用进展

Copula是一种构造多元联合分布和分析随机变量间相关结构的重要工具。对2005年以来国内外学者对Copula在干旱领域的研究和应用进行了综述,阐述了当前Copula方法存在的问题和继续研究方向。首先,高维Copula函数的参数估计不够精确,虽然高维Copula构造方法如嵌套法、混合法、条件混合法等对参数估计有本质上的简化作用、基于Bayesian理论的Copula参数估计方法比传统方法有明显改进,但在计算量、置信水平、样本量等需求上仍存在取舍,高维Copula理论的参数估计方法仍是Copula理论研究中的难点;其次,干旱特征对时间具有较强敏感性,使得Copula函数应用于干旱问题需要具有时变性,时变和空间变化Copula理论能综合时空维度对干旱进行全面分析,这将是未来Copula研究的方向之一;最后,Copula方法能被应用于诸多方向,还需要更加发散地将Copula方法与其他框架相结合。     

基于人工神经网络和正规化周期回归的耦合模型及其应用

利用方差分析周期外推方法,提出了改进的正规化周期回归模型,将该模型应用到新丰江流域的径流序列,进行模拟和预测,计算结果表明：长期趋势项和周期项拟合后基本上能够反映出实测径流序列的特征和变化,但预报的精度还不够高,为此,提出了基于人工神经网络和正规化周期回归的耦合模型,对周期回归模型分离出来的随机项时间序列进行BP神经网络的分析、计算预测,并且把预测的结果拟合到周期回归模型的预测结果中,从而达到了从整体上提高预测精度的目的。     

基于BP神经网络的旬降雨径流相关预报模型

参照流域暴雨与径流相关的特点,以实际的旬初土壤蓄水量、旬降雨量为输入条件,以实际的旬径流量为输出条件,建立BP神经网络旬降雨径流相关模型.实例表明,模型结构简单,可操作性强,利用该模型进行的旬径流预报具有较好的模拟精度,并为利用旬降雨预报信息实施旬径流中期预报奠定了基础.     

大伙房水库旬降雨径流非线性相关模型研究与应用

分析了大伙房水库引水工程实际调度需要,研究水库流域基于旬降雨、旬初径流的旬径流中期预报模型,通过对水库建库以来的47年旬降雨径流资料的模拟,确定了用于水库旬径流预报的各旬模型参数,参数拟合和检验模拟合格率都比较高。应用结果表明,模型结构简单,可操作性强,可为应用美国的GFS(Global Forecasting Sys...     

多层前馈网络的联合梯度学习算法及其在水文预报中的应用

提出了径流长期分级预报的人工神经网络方法，给出了多层前馈网络的联合梯度算法。用辽宁大伙房水库的汛期长系列资料进行实例研究，取得了初步令人满意的结果。     

小波人工神经网络在径流预报中的应用

针对径流时间序列的非线性和多时间尺度特性,应用A Trous算法对盘石头水库的月径流序列进行了分析.在此基础上,将小波分析与人工神经网络相结合,建立了组合预测模型,并给出构造模型的一般步骤及关键算法.针对一般BP算法收敛速度慢、易陷入局部极小值的缺陷,提出了基于改进共轭梯度法的BP算法.实践表明:基于小波分析的人工神经网络模型在月径流模拟过程中具有很好的仿真能力,训练后的模型具有较高的精度.     

基于小波网络的径流多时间尺度分析及预报方法研究

应用Morlet小波的多分辨分析功能,对嫩江和洮儿河汛期径流序列进行了多时间尺度分析,结果显示,嫩江汛期径流具有4年和25年左右的主周期,洮儿河汛期径流具有4年、10年和25年左右的主周期,二者丰枯变化位相基本一致并具有同步性.针对径流时间序列的非线性和多时间尺度特征,将小波分析与人工神经网络结合建立了组合预测模型,模型原理简单,预测精度较高.这证明小波神经网络用于径流中长期预报是可行的.     

基于Logistic方程的多元回归径流预报模型及其应用

以大伙房水库为研究对象,运用主成分分析法提取影响径流变化的综合因子,然后对综合因子进行Logistic方程拟合,最后利用多元线性回归方法建立水库中长期径流预报模型.结果表明,该模型具有较高的模拟精度.     

基于灰色关联分析与BP神经网络模型的日参考作物蒸发蒸腾量预测

采用灰色系统理论中的关联分析方法,对影响作物蒸发蒸腾量的各个气象因素进行关联度分析,挑选出影响作物蒸发蒸腾量的主要气象因子,并以这些气象因子为输入向量,以参考作物蒸发蒸腾量为输出向量,建立作物蒸发蒸腾量与主要气象因子之间的BP神经网络预测模型。实例证明：该方法简单可行,预测精度较高,能满足实际生产需要。     

基于Excel技术平台人工神经网络BP模型及应用

本文简要地讲述了人工神经网络模型结构和BP算法,以Microsoft Office Excel加VBA编程为技术平台,创建了人工神经BP网络预测模型.同时,应用该模型预测了吉林省南坪水文站1980-2000年11-3月枯季水资源量.结果表明,预测结果合理,适合枯季径流量预测.同时,该模型能够进一步推广应用到多因子影响下的沙量、洪水、地下水、水质等水文要素的预报.     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

人工神经网络在引水隧洞变形监测中的应用

针对引水隧洞围岩变形受地质、施工等因素综合影响的特点，引入人工神经网络理论，建立了隧洞收敛测值终值预测的BP网络模型。该模型将隧洞围岩的5个物性参数容重、弹性模量、泊松比、粘结力、内摩擦角作为BP网络的输入向量，将最终收敛位移作为网络输出向量。应用Matlab进行BP网络设计和程序编制。实例分析表明，利用所建立的BP网络模型进行围岩收敛变形预测。结果合理可行。     

基于人工神经网络的大坝位移预测

大坝安全监控中,坝体位移预测以往用回归方法,很难描述位移与诸多影响位移的物理量间的复杂关系。采用人工神经网络方法,对大坝位移进行预测。实例表明,此法比较适用,结果良好。     

BP人工神经网络在岩体质量分级中的应用

通过金沙江某水电站的野外地质调查获取了丰富的基础地质资料后,针对其地质特点,提炼出岩石单轴抗压强度(R)、岩石质量指标(RQD)、岩体风化程度、节理组数(Jn)、节理粗糙系数(Jr)、节理蚀变系数(Ja)和地下水状态7个对岩体质量起控制作用的因素作为神经网络模型的输入变量。基于MATLAB软件平台设计的人工神经网络,通过具有较强代表性的116组样本数据的训练得到了稳定性好、可信度高的岩体质量分级网络模型。在对36组测试数据分析后,发现该模型的仿真结果具有较高的准确度和良好的吻合度,能够满足实际工程需要。     

人工神经网络模型在枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

BP神经网络在隧道监控量测数据处理中的应用

为保证某高速公路隧道开挖过程中的施工安全,在优化围岩变形监测方案与预警方法的基础上,采用BP神经网络对典型监测断面位移量测数据进行了回归分析.结果表明,BP神经网络模型预测值能较好地拟合拱顶沉降和周边收敛位移实测值,可以作为围岩稳定性判定和确定二次衬砌施工时间的依据,具有重要的经济性和实用性.     

基于神经网络的大坝参数反演法

基于BP神经网络的基本原理建立了大坝混凝土和基岩模量反演分析模型,提出了模型样本的处理方法,并结合实例分析表明用神经网络方法反演大坝混凝土和基岩平均模量是一种行之有效的方法,反演值与实测值基本吻合。     

选择显著因子的BP神经网络模型研究

为了更加准确有效地分析大坝安全监测资料,保证大坝的安全、有效运行,分析了神经网络和回归分析的优缺点,提出了选择显著因子的BP神经网络模型分析方法。实例分析结果表明:神经网络和回归分析具有较强的互补性,为了保证资料分析的可靠性,可同时运用这两种方法;选择显著因子的BP神经网络分析方法避免了因子之间的相关性导致预测精度不高的缺点,减小了神经网络过度训练的几率,在保持神经网络拟合精度的同时又具有较高的预测数度。