智能预报模式与水文中长期智能预报方法.pdfVIP

2006年7月 中国工程科学 Jul．2006 笙!鲞箜!塑 堡鳖i里曼皇堕篮墨里i曼翌堡 !!!：!坠：! 荔誊誊誊掌誊爱妻警营j 鬃溪；羲萋虢；裁羹 臻羹巍谚黪鬣专j麓黧i 智能预报模式与水文中长期智能预报方法 陈守煜，郭 瑜，王大刚 (大连理工大学土木水利学院，辽宁大连 116024) [摘要] 建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中 长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵； 再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能 预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。 [关键词] 模糊优选；BP神经网络；遗传算法；智能预报模式；中长期水文智能预报 [中图分类号】U641[文献标识码】A 都会引起另一个或另一些现象或因子的产生。设以 1 引言 y代表多因子作用下的某种现象，它是人们需要预 预测或预报，特别是中长期预报是自然与技术 报的对象，称预报对象。髫；(i=1，2，…，)代表影 科学领域内的一个难题，具有十分重要的理论与实 响Y的各种因子，称预报因子。显然，预报对象Y 际意义。由于水文现象本身的复杂性，目前还很难 是多因子作用的结果。 用严密的物理方法对水文现象进行描述，人们主要 设有n个预报对象组成样本集合，其特征值 借助数理统计方法以及其他一些不确定的方法来描 向量为Y=()，。，Y：，…，凡)，应用规格化公式即 述水文现象，以弥补物理方法的不足¨’2|。不确定 预报对象J，对模糊概御的相对隶属度公式1 的方法主要指运用概率统计【3】、时间序列H】、模糊 fri207i—minyi)|0maxyi—rain，i1， 数学”1和灰色理论№o等来探索水文现象。这些方法 ．『=1，2，…，n (1) 都需有显式函数，而难以找到，或只能用近似表达 进行规格化得到，，=(，r。，，r：，…，，r。)=(，rf)， 式描述，一般都有较大的误差。人们一直在寻找更 式中inax竹，min，，i分别为预报对象的最大、最小 加合理与灵活的理论和方法来对中长期水文现象进 特征值。 行预报与预测。笔者提出模糊优选、神经网络与遗 每个样本值对应着筛选出的m个预报因子特 传算法有机结合的智能预报模式与方法，建立水文 征值，对于凡个样本，则有预报因子特征值矩阵： 中长期智能预报新途径，对提高水文中长期预报精 度有重要意义，也可应用于洪水预报以及其他领域 的预报或预测问题，具有普适性。 (2) 其中髫。为样本．『因子i的特征值。由于m个预报因 2智能预报模式 子特征值的物理量纲不同，且有的预报因子特征值 因果联系是客观世界普遍联系和相互制约的表 与预报对象特征值之间呈正