基于神經(jīng)網(wǎng)絡(luò)的水位流量關(guān)系率定.pdf

1、灌區(qū)量水是農(nóng)業(yè)灌溉中一項基礎(chǔ)性、必不可少的工作。通過水位流量關(guān)系率定工作,既可了解渠道輸送水量與供水能力,又可為灌區(qū)信息化管理和科學(xué)研究提供數(shù)據(jù)和積累資料,因此灌區(qū)量水技術(shù)正日益受到重視。
　　本文首先闡述了灌區(qū)常用的量水方法及神經(jīng)網(wǎng)絡(luò)在量水技術(shù)中的應(yīng)用現(xiàn)狀,概述了贛撫平原主要干渠的基本情況及傳統(tǒng)的流量計算方法。詳細介紹了三種典型的人工神經(jīng)網(wǎng)絡(luò):BP神經(jīng)網(wǎng)絡(luò),RBF神經(jīng)網(wǎng)絡(luò)和灰色神經(jīng)網(wǎng)絡(luò),具體包括基本原理,網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)訓(xùn)練過程。

2、詳細介紹了粒子群算法和遺傳算法,并在基本粒子群算法中引入非線性慣性權(quán)重,使慣性權(quán)重隨迭代次數(shù)、個體極值及群體極值改變,得到了一種基于非線性動態(tài)變化慣性權(quán)重的改進粒子群算法(IIWPSO)。
　　針對灌區(qū)量水技術(shù)中傳統(tǒng)曲線擬合方法精度較低、流態(tài)難以確定的問題,以贛撫平原四干渠和六干渠為例,構(gòu)建了傳統(tǒng)最小二乘法曲線擬合方法,常規(guī)BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型和灰色神經(jīng)網(wǎng)絡(luò)模型進行流量預(yù)測,并從MSE,MAPE以及網(wǎng)絡(luò)最大相對誤差

3、等方面分析各個模型性能。仿真結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)流量預(yù)測模型在幾種方法中精度最高?；贐P神經(jīng)網(wǎng)絡(luò)流量預(yù)測模型,分別用遺傳算法和改進的粒子群算法進行優(yōu)化,建立了 GA-BP和IIWPSO-BP流量預(yù)測模型。通過Matlab仿真證明,IIWPSO-BP流量預(yù)測模型精度要高于GA-BP流量預(yù)測模型和常規(guī)BP神經(jīng)網(wǎng)絡(luò)流量預(yù)測模型,且IIWPSO-BP流量預(yù)測模型穩(wěn)定性更好,精度更高,是一種行之有效的渠系流量計算方法,已經(jīng)成功地應(yīng)用在贛撫平原主