基于人工神經(jīng)網(wǎng)絡的金溝河流域徑流預測研究.pdf

1、水資源系統(tǒng)受氣候、流域自然地理、社會發(fā)展以及人類生存需要等因素的綜合影響,具有多時間尺度、隨機性、突變性、非線性等復雜特征。同時,水資源又是支撐人類生命和經(jīng)濟增長與可持續(xù)發(fā)展的最基本要素之一,而徑流要素的變化主導了整個水資源系統(tǒng)的變化。因此,建立準確的徑流預測模型,可以最大限度的協(xié)調(diào)水資源綜合利用中出現(xiàn)的各種用水矛盾,保障流域經(jīng)濟、社會、生態(tài)與環(huán)境可持續(xù)發(fā)展。
　　本論文以金溝河流域中游的八家戶水文站所監(jiān)測的1957～2003年共

2、47年月徑流資料為研究對象,以1957～1995年共39年的月徑流資料為訓練樣本,以1996～2003年共8年的月徑流資料為檢驗樣本,建立神經(jīng)網(wǎng)絡預測模型。
　　先用常規(guī)統(tǒng)計學方法對金溝河流域月徑流時間序列進行分析,初步了解其變化趨勢及周期;然后利用小波分析在時間、尺度(頻率)兩域都具有表征信號局部特征的能力,對原始時間序列進行小波變換,對其分解的低頻、高頻信號進行分析,進一步了解變化規(guī)律;在此規(guī)律的基礎(chǔ)上,對徑流時間序列進行預測

3、。
　　對徑流時間序列的預測采用人工神經(jīng)網(wǎng)絡的方法,在MATLAB環(huán)境下進行編程。首先利用最速梯度下降算法的BP神經(jīng)網(wǎng)絡對經(jīng)小波變換后的各細節(jié)信號進行預測,將預測結(jié)果進行重構(gòu)后得到最終預測結(jié)果,并對不同月份的預測值分別進行誤差分析。結(jié)果表明:該神經(jīng)網(wǎng)絡預測模型對6～10月份預測效果較好,誤差均在4％以下,可以起到指導實踐的作用;而另外幾個月份預測效果不盡理想,最大誤差高達53.1%。
　　針對個別月份預測值誤差過大的情況,建

4、立LM-BP和RBF神經(jīng)網(wǎng)絡預測模型,對金溝河流域年徑流時間序列進行預測,將預測結(jié)果按照各月徑流占年徑流的比例分配到各月,得到各月月徑流預測值。結(jié)果表明:對于11月至來年5月的預測值,LM-BP網(wǎng)絡模型略好于RBF網(wǎng)絡模型,平均誤差分別為19.4%和22.9%,均比BP網(wǎng)絡模型結(jié)果要好。
　　通過對這種預測模型進行誤差分析,發(fā)現(xiàn)對不同月份建立不同的神經(jīng)網(wǎng)絡預測模型,在金溝河流域月徑流預測實際應用當中,具有較好的理論和實踐參考作用。