ANFIS在地下水埋深预测中的应用.pdfVIP

!三二三 广东水利电力职业技术学院学报2013年 第l1卷第1期 CN44-1587／Z JournMofGuangdongTechnicMCollegeofWaterRes0urcesandElectricEn~neering．2013，Vo1．11．No．1 52—54 ANFIS在地下水埋深预测中的应用 杨先野 ，王宝华 ，何司彦 (1．广州市水务规划勘测设计研究院，广东 广州 510405；2．广东省环境保护职业技术学校 ，广东 广州 510655) 摘 要：以具体实例建立 自适应神经模糊推理系统 (ANFIS)的地下水埋深预测模型。通过与BP 模型进行比较，表明该模型具有很高的预测精度，同时也为该领域研究提供了新的方法。 关键词：ANFIS；地下水；预测 中图分类号：TP183 文献标识码：A 文章编号：1672-2841(2013)01-0052-03 根据大量的试验资料分析，诸多影响地下 对于一阶 Sugeno模糊模型，具有两条模糊 水水位的因素之间是互相联系、错综复杂的，属 一 腩en规则的普通规则如下： 于多因素、非线性的问题。近年来，国内、国外 规贝0l： x是CIthen Y=PII+gl2+1 (1) 学者将人工智能方法逐渐应用在地下水水位及其 规贝U2：ifx是C2then Y=p2xl+q2x2r2 (2) 相关领域中，对于非线性问题的解决取得了较好 模糊推理的输出采用加权平均法，即 效果。本文将 自适应模糊神经推理系统 (adaptive y．=∑WfAxl，2)／∑W (3) neuro—fuzzyinferencesystem，ANFIS)应用在地下水 iffil i=1 埋深预测中，为该领域研究提供了新的方法。 式中： l和x2为模型的输入，Y为模型的最终 输出，wl为输入变量 的权重 。 1 自适应模糊神经网络 (ANFIS) 第一层 ：模糊化层，该层每个节点 i是以节点 ANFIS是模糊逻辑和神经网络的结合物，是 函数表示的方形节点 ： 采用反向传播算法和最小二乘法的混合算法调整 Oi= 1)，i=1,2或者O = -212)，i=3,4 (4) 前提参数和结论参数，并能自动产生If-Then规则。 其中， l和 2为节点的f输入，4或 (B 2)是 其主要特点是借助神经网络的信息存储能力和学 与该节 点函数相关 的语言变量，O：是模糊集 习能力，在对广泛选择的样本进行学习后优化控 A(At，A2，BI，B2)的隶属函数 。 制规则，建立各语言变量的隶属度函数及每条规 第二层：规则推理层 ，该层的节点如图 1中 则的输出函数，使系统本身朝着 自适应、自组织、 用 Ⅱ表示，这里将输入信号相乘在输出： 自学习的方向发展。典型的ANFIS如图1所示。 D =Wf= f(x1)· (2)，(f=1，2) (5) 第三层：归一化层，该层的节点如图 1中用 一 N表示，第 f个节点的wf与全部规则W的比值为： x。 地 、 D；：Wf =wf／(wl+w2)，(i=l，2) (6) 一 【 ／ ＼ ／ ＼ ＼／ V 、 ，y 第四层：去模糊化层