基于小波神經(jīng)網(wǎng)絡(luò)的河道流量預(yù)測(cè)研究與應(yīng)用.pdf

1、河道流量預(yù)報(bào)是一項(xiàng)可以減免損失的非常重要的防洪非工程措施，也是一項(xiàng)合理利用水能、水資源的非工程措施。正確及時(shí)的預(yù)報(bào)可以使工程合理調(diào)度，可以使決策者及時(shí)實(shí)施防洪措施，從而將災(zāi)害損失限制到最低程度。 由于河道流量時(shí)間序列含有多種成分，表現(xiàn)出非線(xiàn)性和非平穩(wěn)性，傳統(tǒng)的時(shí)間序列分析不足以承擔(dān)起預(yù)測(cè)任務(wù)，這給有效的河道流量預(yù)測(cè)帶來(lái)挑戰(zhàn)。小波分析作為時(shí)頻分析工具，可以將時(shí)間序列分解為多個(gè)相互獨(dú)立的子序列。神經(jīng)網(wǎng)絡(luò)作為一種強(qiáng)大的非線(xiàn)性逼近工具，

2、具有適應(yīng)、自學(xué)習(xí)等優(yōu)點(diǎn)。小波網(wǎng)絡(luò)模型是小波變換和神經(jīng)網(wǎng)絡(luò)的組合模型，既發(fā)揮了神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線(xiàn)性映射能力，又利用了小波的多分辨分析的功能，使得時(shí)間序列的潛在的時(shí)序特征更容易被提取。與傳統(tǒng)的基于單一尺度的預(yù)測(cè)模型相比，是一種很有潛力的預(yù)測(cè)方法。 河道流量預(yù)測(cè)就是對(duì)河道水流運(yùn)動(dòng)過(guò)程的預(yù)測(cè)，因此河道流量預(yù)測(cè)往往借助流域內(nèi)相關(guān)站點(diǎn)的水文信息。本文對(duì)一種小波網(wǎng)絡(luò)模型進(jìn)行擴(kuò)展，使其適應(yīng)多道時(shí)間序列數(shù)據(jù)。擴(kuò)展模型以多道時(shí)間序列信息作為輸入，新

3、輸入不僅包括預(yù)測(cè)目標(biāo)時(shí)間序列的當(dāng)前小波系數(shù)，還包括與此時(shí)間序列相關(guān)的其它時(shí)間序列的當(dāng)前小波系數(shù)。擴(kuò)展模型利用了當(dāng)前可獲得的水文數(shù)據(jù)并提取出當(dāng)前系統(tǒng)的時(shí)變特征，充分發(fā)揮神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線(xiàn)性逼近能力。此模型是對(duì)小波網(wǎng)絡(luò)模型和河道水情神經(jīng)網(wǎng)絡(luò)模型的繼承與發(fā)展。本文探討了小波系數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入的規(guī)范化方法，并建立了一種面向預(yù)測(cè)的小波函數(shù)選擇指標(biāo)。以王家壩水文站的汛期流量時(shí)間序列作為實(shí)驗(yàn)對(duì)象，驗(yàn)證了此模型比小波網(wǎng)絡(luò)模型和河道水情神經(jīng)網(wǎng)絡(luò)模型具有