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,对其日径流进行了预报,获取得了满意的结果。     

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     

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.     

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。     

A Chaotic ANNs Model for Rivers Daily Runoff Forecast

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.     

基于ANFIS模型的年径流预报方法

分析以往年径流预报方法的特点,阐述自适应神经模糊推理系统(adaptive network-based fuzzyinference system,ANFIS),提出年径流预报的ANFIS模型,并将其应用到西北地区某水文站年径流预报中.以MATLAB为工具,依据该地区历年水文资料,对年径流量进行预报.实例结果表明,与改进的ANN模型(最速下降—共轭梯度法、进化单纯形法)相比,本方法计算速度快、泛化能力强、预报精度高,说明ANFIS在年径流预报方面具有良好的适用性.     

日径流非线性时间序列分析模拟预报

以实测日径流资料为基础,首先判断时间序列的非线性性,而后利用神经网络理论非线性方法对实测的日径流非线性时间序列进行分析研究,以此说明非线性时间序列的建模与预测。     

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。     

灰色人工神经网络模型及其在和田河径流预测中的应用

针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时,预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的改进模型,并将其应用于和田河径流变化预测中.结果表明,该方法提高了模型精度,为分析和田河径流变化趋势提供了有效的方法.     

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。     

用遗传算法优化神经网络初始权重的方法

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,通过采用遗传算法优化网络初始权重的方法,将遗传算法和BP算法有机结合,做到了优势互补,并在提高洪水智能预报精度,特别是提高洪峰预报精度的研究中得到了很好的应用。在珠江流域西江洪水预报系统中,以历史水文资料进行检验的结果表明,洪峰时段的预报精度明显高于平水期的预报精度,证明了这种方法的有效性和可靠性。     

以地下径流为主的洪水预报模型研究

研究了以地下径流为主的洪水预报模型，针对新安江模型的缺点提出了改进新安江模型，同时介绍了人工神经网络的原理并将其应用于洪水预报模型的研究。     

基于人工神经网络的智能型自适应保护──(Ⅰ)原理和模型结构

介绍了一种基于人工神经网络的智能型自适应继电保护原理其基本思想是利用了比传统保护多得多的信息量它比传统保护能区分更多的故障类型,提高了继电保护的适用范围,如从原理上解决了经高阻抗的短路故障保护问题．本保护的人工神经网络由３个子网络组成：先采用第一个三层ＢＰ网络对输电线路一侧的电流、电压信号进行前置处理,得到其特征量（各次谐波的幅值）;然后,在不同运行工况和不同类型的区内外故障时,再把特征量输入第二个三层ＢＰ网络,以判别区内外故障;第三个ＢＰ网络用于故障相判别．     

BP网络对山东省国内旅游市场的分析预测

采用三层结构的反向传播网络(back-propagation network,简称BP网络),对山东省国内游客量建立了网络预测模型.利用实际数据进行模拟,并将模拟结果与采用相同数据源的灰色系统模型、多元回归模型、指数模型的模拟结果进行比较,发现用BP网络模型的模拟结果与实际情况最为逼近.同时,利用该模型对未来几年山东省的国内游客量进行了分析预测,预期到2008年山东省的国内游客量将达到12 577万人次.