基于ALO-ENN算法的洪灾评估模型及应用

针对洪灾评估缺乏评判标准及Elman神经网络(ENN)初始权值、阈值难以确定的不足,利用洪灾各影响因子序列均值及标准差构建洪灾评估标准,并基于该标准采用随机内插和随机选取的方法构造样本对ENN网络进行训练及检验。利用蚁狮优化(ALO)算法对ENN网络权值、阈值进行全局寻优,提出基于ALO-ENN算法的洪灾评估模型,并构建PSO-ENN、ENN评估模型作对比,以我国1950—2013年洪灾评估为例进行实例研究。结果表明:1ALO算法寻优能力优于PSO算法,具有较好的收敛精度、稳健性能和全局寻优能力,利用ALO算法寻优ENN网络初始权值和阈值,可有效提高ENN模型的评估精度及泛化能力;2ALO-ENN模型对全国64年的洪灾评估结果为特大洪灾10次,重大洪灾4次,较大洪灾25次,洪灾12次和一般洪灾13次,洪灾随时间呈增加趋势,且增加趋势显著。