基于人工神經網絡的荊江河段水文研究.pdf

1、河段水文研究是水文科學的重要課題，而防汛工程是河段水文研究的重點對象，作為水文研究中的核心部分——徑流預報，不儀是一項減免地區(qū)損失非常重要的防洪措施，也是一項科學利用水資源的舉措，因而引起越來越多國內外水文專家的重視。及時準確的水文預報，一方面可以為防洪、調度、決策提供重要依據，從而降低洪澇災害的風險;一方面可以合理利用水資源，為地區(qū)帶來可觀的經濟效益和社會效益。
　　目前，對于水文預測這類復雜的“黑箱”問題，傳統(tǒng)辦法大都尋求的是

2、輸入、輸出之間的線性關系，而人工神經網絡通過轉換函數，直接尋求輸入、輸出之間的非線性關系，后者在理論上更適合洪水的運動特性。人工神經網絡具有非線性以及學習等特點，但同是也存在收斂慢、易發(fā)生震蕩的缺點。
　　因此，本文以荊江河段為研究對象，主要研究內容如下:
　　(1)對荊江河段的水文情況進行了簡要闡述，分析比較傳統(tǒng)和新型水文預報方法，將人工神經網絡引入模型，并介紹人工神經網絡模型在水文研究中的研究現狀。
　　(2)本文

3、在普遍適用的BP神經網絡的基礎上，研究其改進方法，并將禁忌搜索引入模型，建立了可以實現全局優(yōu)化進而提高水文預報精度的禁忌全局優(yōu)化網絡模型。其中針對禁忌全局優(yōu)化網絡的結構設計、算法實現、參數設定進行了深入研究。
　　(3)雖后運用MATLAB仿真軟件分別構建BP神經網絡和禁忌全局優(yōu)化網絡的日預測模型，利用荊江河段歷年的水文數據進行學習訓練，分析結果表明，禁忌全局優(yōu)化網絡模型的預測精度要優(yōu)于BP神經網絡?；谥虚L期預測對水庫調度、防汛