（控制理论与控制工程专业论文）基于遗传算法的神经网络洪水预报研究与应用.pdf

哈尔滨工程大学硕士学位论文 摘要 洪水预报是适应自然、减免损失的非常重要的防洪非工程措施，直接为 防汛抢险、水资源合理利用与保护、水利工程建设与运用管理和发展工农业 牛产服务。水文预报是一个复杂的系统，且具有很强的非线性特征。目前， 不论是确定性水文预报模型，还是统计模型都是以实测资料为基础建立起来 的一类数学模型，由于受r l ：多建模假设的限制，这些模型很大程度上只是对 实际水文规律的一种近似模拟，难以用于处理水文现象及其要素之间内在的、 复杂的非线性关系。在综述国内外研究的基础上，本文把人工神经网络和遗 传算法结合起来，尝试建立g a l m b p 神经网络洪水预报模型。本文的主要 研究工作概括如卜： l 、系统的阐明了b p 神经阚络的基本原理和学习训练过程，分析了b p 网络存在的缺陷，介绍了通用的一些改进措施。 2 、针对水文现象以及备水文要素之问关系的复杂性，利用遗传算法全局 搜索能力强的特点与人工神经网络模型学习能力强的特点，把遗传算法用于 神经网络初始权重的优化，设计出g a l m b p 算法，可以在一定程度上克服 神经网络模型训练中普遍存在的局部极小点问题。 3 、以某水库3 3 年的最大日库区径流资料数据为例，对g a l m b p 神经 网络算法进行计算和检验，运用m a t l a b 软件进行仿真，并与单一运用常 用b p 改进算法的仿真结果进行比较，结果显示g a l m b p 算法稳定更好、 鲁棒性强，有效的提高了洪水预报的精度。 关键词：洪水预报：b p 神经网络；遗传算法 哈尔滨j 二程入学硕士学位论文 a b s t r a c t f l o o df o r e c a s t i n g ，w h i c hi sac o m p l e xs y s t e mw i t hs t r o n gn o n l i n e a rf e a t u r e ， i sav e r yc r u c i a ln o n s t r u c t t t r a lm e a s u r eo ff l o o dm i t i g a t i o nt oa d a p tn a t u r ea n d m i t i g a t el o s s e s ，a n dd i r e c t l ys e r v e sf o rf l o o dd e f e n s e ，r e a s o n a b l eu t i l i z a t i o na n d p r o t e c t i o n o fw a t e rr e s o u r c e s ，c o n s t r u c t i o n ，o p e r a t i o na n dm a n a g e m e n to f h y d r a u l i cs t r u c t u r ea n dd m ，e l o p m e n t so fi n d u s t r ya n da g r i c u l t u r e n o w a d a y s ， w h e t h e rd e t e r m i n i s t i c h y d r o l o g i cm o d e l o rs t o c h a s t i c h y d r o l o g i cm o d e l i s f o u n d e du p o no b s e r v e dd a t a d u et ot h er e s t r i c t i o no fa s s u m p t i o n si n m o d e l c o n s t r u c t i o n ，t h e s em o d e l s ，i nag r e a ts e n s e ，a r eak i n do fa n a l o g yo fa c t u a l h y d r o l o g i cl a w s ，a n da r eh a r dt od e a lw i t hc o m p l e xn o n l i n e a rr e l a t i o n sa m o n g h y d r o l o g i cp h e n o m e n aa n dt h e i rf a c t o r s b a s e do nas u r r n n a r yo fd o m e s t i ca n d a b r o a ds t u d y , t h i s p a p e rt r i e s t oe s t a b l i s hg a l m b pn e u r a ln e t w o r kf l o o d f o r e c a s t i n gm o d e l ，w h i c hc o m b i n e sa r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a n dg e n e t i c a l g o r i t h m s ( g a ) t h ef r a m e w o r ka n dr e s e a r c ha r el i s t e da sf o l l o w s ： 1 t h ep a p e rc l a r i f i e st h eb a s i cp r i n c i p l ea n dt h es t u d yp r o c e s so fb pn e u r a l n e t w o r k ，a n a l y s e s t h e e x i s t i n g w e a k n e s sa n di n t r o d u c e ss o m e g e n e r a l i m p r o v e m e n tm e a s u r e 2 a i m i n ga tt h ec o m p l e xr e l a t i o n so fh y d r o l o g i cp h e n o m e n aa n dt h e i r f a c t o r s ，m a k i n g u s eo fe x c e l l e n tg l o b a ls e a r c h i n ga b i l i t yo fg aa n df i n el e a r n i n g a b i l i t yo fa n n u s i n gg at oo p t i m i z ei n i t i a lw e i g h t so fn e u r a ln e t w o r kt od e s i g n g a l m b pa l g o r i t l m a ，i nas e n s e ，l o c a lo p t i m i z i n gp r o b l e m s ，w h i c hi sw i d e l y e x i s t e di nn e u r a ln e t w o r km o d e lt r a i n i n g ，c a nb eo v e r c o m e 3 ，t a k e nar e s e r v o i rh i s t o r i c a lr u n o f fd a t aa s e x a m p l e s ，t e s t i f y i n gt h e g a l m b pa l g o r i t h m ，a p p l y i n gm a t ，a bs o f t w a r et os i m u l a t i o na n dc o m p a r i n g 哈尔滨工程大学硕士学位论文 w i t ht h es i m u l a t i o no fg e n e r a lb pi m p r o v e m e n tm e t h o d r e s u l ti n d i c a t e st h i s a l g o r i t h mh a sab e t t e rs t a b i l i t y ，p r e c i s i o na n dr o b u s t n e s st h a nt h et r a d i t i o n a lb p n e u r a ln e t w o r k i ti st h er e l i a b l ea n da c c u r a t em e t h o d si nf l o o df o r e c a s t i n g k e yw o r d s ：t o o df o r e c a s t i n g b pn e u r a ln e t w o r k ：g e n e t i ca l g o r i t h m 哈尔滨t ：群人学硕十学位论文 第1 章绪论 1 1 课题的来源、目的和意义 本课题的研究来源于国家防汛指挥系统一期一黄河部分总体设计。 黄河是我国的第二大河，发源于青藏高原巴颜喀拉山北麓海拔4 5 0 0 米的 约古宗列箍地，流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、 山东9 省( 区) ，在山东垦利县注入渤海，见图1 1 所示。干流河道全长5 4 6 4 公里，流域面积7 9 5 万平方公里。黄河流域西部地区属青藏高原，海拔在3 0 0 0 米以上；中部地区绝大部分属黄土高原海拔在1 0 0 0 2 0 0 0 米之间；东部属 黄淮海平原，河道高悬于两岸地面之上，洪水威胁十分严重。 图1 1 黄河流域图 为此国家防汛指挥部提出要用“数字化”手段统一处理黄河问题。本文 就是此项工程中的一部分前期研究工作。 在与洪水斗争的长期实践中，人们逐渐认识到采用防洪措施，可以减少 甚至避免洪水的灾害损失。防洪措施通常分为两大类工程措施和非： 程 措施。工程措施是指建筑堤防、防洪墙、分洪工程、河道整治工程、水库 喻自、滨j 剧人学砂卜。、：j 仿论文 等。1 i f 狸措施足指通过洼令、政策、经济和防洪工程以外的技术手段，以 减少洪泛区洪灾损失的工f 。通常包括：加划防洪设麓管理，保征防洪设施 的防洪能力：在工程设d 6 r - 充分考虑适应i 水短暂淹没的措施，以尽可能减 少洪灾损失：建i ! 健全通讯系统和预警系统：改进和发展洪水预报技术，提 高防洪调度水i 产等。其中改进洪水预报方法、捉高预报精度、实施洪水预报 调度是非工程措施中最i j - 2 有效的办法。 我国的防洪实7 曼4 , j 1 明，工稃措施与非工程措施的结合应用是建立和完善 江 u 防洪系统的有效措施。就我国当前防洪地区的实际情况而言，着力于采 用工程措施提高其防洪标计i t a c h 抗洪能力，小仪投资大、周期长，而且也有一 定的限度。现实可f j 的途径是在努j 提高江河防洪标准的同时，更多的采用 非1 程措施。洪水预报就是一种减免洪水灾害行之有效的非工程配套措施。 仅这j 负措施，i t j 以使洪水灾害损失减少1 0 以上( 固家防汛抗旱总指挥部统 引) ，具有重大的经济和社会效益。如果能进一步提高洪水预报的精度，则其 减灾效果会更加丝著。 水文预报直接为防汛抢险、水资源合理利用与保护、水利工程建设与运 用管理和发展工农业生产服务。洪水预报作为水文预报的- - s j i 重要内容，是 人类在与洪水灾害长期斗争 i 9 客观需求推动f 发展起束的。同时，新理论、 新技术的发展也极大地推茜j 了水文。b q f 预报技术的发展和应川。作为防汛斗 争f i 9 “耳目”和“参谋”，准确及时的_ j i 水预报和调度，为各级防汛指挥部门 提供决策支持的科学俄掘，并获得减免洪灾损失的巨大经济效益和礼会效益， 使洪水灾害减小到最低限度。 水文现琢 一分复祭，。们尘今逆0 i 能用数学物删力挫严浒地描述每一个 f 过程，仍耍受讷多似改条件的限制，爿- 需要借助于慨念性元素模拟或经验 雨数芙系h ：拙述。水丈系统。 i 影州预测刈缘的冈r 众多m 复杂，影响因予与 i m p ! i ) ! i 胁j 缘之l a j 戈系的复杂r 嘲二f e 超u ll j 时人类的认i l 能力，i j 物理和成| 剧途 侄求处理这类问题仔在 醍夫团难，e 时较多地用娃式的统训分析方法来解决， 仙足统计分析模，蛳把乏f 1 迂膨性，谈 更新困难，模型自小确定性问题往往 导敛模型拟合历史资料的精度牧高，而模型的预测检验的精度时女f - , q 坏，不 足十分稳定。许多i i _ 奠已 j 、说明，水文系统中很多变量f n j 的复杂非线性关系 远非简单的代数方程所能t 设丧达。 近年米，科学技术得到了极人发展，如何把最新的科学技术引入到承文 预报中，提高水文预报的糨度，成为大家所关注的课题。随着人 宇l j 经网络 和遗传算法等非线r ：科学j i 术在各个行业的广泛深入应用，为解决上述问题 提供了机遇。 1 2 国内外水文预报的发展和现状 水文颅报是应用水文与j 的一个重要组成部分，它是建立往充分掌握客观 水文规律及实i l , l - i + 水。陆和水文要素等状态变量的基础l 的，足预报未来水文 现缘的一门水文学科。 水文预报按预报期时将其分成短湖、中期和【丈期预报三种。水文预报按 奠预报的项目又司分为径流预报、冰情预报、沙情预报及水质预报。径流预 于鹾可分为洪水预报和枘水预报对于短期洪水预报，是指根据实测降 ：阿资 $ m 绡小的预报。预地期特随预报，法的不同而异，其存实用上是十分重要 的。般的短期水文预报 常1 i 能满足生产的要求，需要将预见期加长，然 而，预见期加长了，坝见期内n 勺随机因素也增多了，从而预报精度就会降低， 晰肯之f 1 j 足有矛盾1 7 内，如何协涮这 矛盾，【i = l 足众多水文学家研究的个重 丝课题。 流域水文预报侦坷j 的叫炙灶流城水文模l u ，它既不州r 【l 坡k 文模型， 出小川l t j 逍札流掀型，它足阻杜1 、流域为研究刈象，探【、r 流域范冈内降 j ”流之删的”拯天系流域水文模掣起源于_ f l 【负15 0f 。流域水史坝 呤尔i 宴i | 1 人宁蝴i j 孑1 f 论叉 报模掣n 勺研究大约始于二一川嗡15 0 年代! “。近几卜年米，随莆电子计算机的 应用，己提出司余种数学物胖摸l ”，模州的复杂程度子小桐同，简单模型的 参数只有二i 个，复朵模毽! 的参数多达儿| 个。比较典巧9 的模型如：澳人利 、砸气缘局模型( c b m ) ，法b l 海外科剥研究办公室的模型( g i i 气a r d i ) ，h 本凼 、7 防灾研究中心的水箱i 、i i 型模刑( t a n k i ，t a n k i i ) ，罗弓尼亚气象和水文 所的洪水预报模型( i m h z s s v p ) ，炎剀幽家天气局的水文模型( n w s h ) ，美国 陆军翻翟兵团的径流综合和水库调节模，诅( s s a r r ) ，美固国家天气局河流预 报中心的萨免拉门托河流矾报l 心水文模型( s r f c h ) ，酊苏联水文气象中心 降m 径流模型( h m c ) ，意大利 岫维大学的约束线性系统模型( c l s ) 等h i 。它 们土要是集总式的，一般只能给出产汀流过程空间上的均化的结果，这与流 域，1 “、汇流空l i lj 分川】不均匀的实际。i f l l y , 不符，降雨空问分如不均匀和下挚面 ! 特扯空问分布小均匀是导致流域产、汀流空| 1 | j 分布不均匀的根源，近些年来 f 是在其基础j 进行了些修改，但进展缓慢，没什么突破性进展。 我圜的水义预报理论利方法，与世界各地比较，水下相当。存j 。流方面： ) 6 0 年代建立了蓄满产流概念，7 0 年代初河海大学研制了新安汀模型，在湿 利、半温涧地区得到了广泛应丌了：同时期i ：= 宁省水文总站提出了比较完善的 超渗产流模型，并存辽河流域首先h i 用，大伙房水库管理局提出了把蓄满产 流与超渗产流概念融为一体的大伙房流域模型，并在东北地区得到了应用。 l 2 ) 提出流域蒸散发能力的公式计算法币u 分层计算模式以及流域蓄水能力的空 i f l j 分卸曲线。住扩流方i 自i ：( 1 ) 广泛地聚刖线性系统分析法，删系统分析理论 进行t j 究。( ，) 多途径探w t f 线州l 流计算p i 。尽管我幽存流域模型研究方 面做了人量工作，而日比引逍了! j 睦i 外水文预报模型，但足受流域自然地 邢、水文、气象和人类a ( 引等方l f 素的影响水文颅报的梢度和预见f f 阿是水丈颅搬巾的雄点问地! 随着社会的段艇，人；i ；n i j j 且砂，水史水资源水环境领域1 1 9 研究内容越束 越广，影响因于越求越多，复杂性和动念r f 越来越强，原有的研究方法和途 径1 瞿窘奁，单独使用确定性租j 不确定一队方法而临着许多无泄i 妥善解决的问 题。人工神经网络的出现无疑给水义水资源水j ：境领域的研究打”一扇天窗， 1 ：入了新的活力。人工神辔网络系统独特的非线性、非凸性、自适应性、强 ：大= 的计算能力使得它在众多领域得到j 7 。泛的应用_ 叫。目前，应刷最为广泛 旧足前馈神经网络，采片l 的学习算法是误差反向传播算法( e n o rb a c k p r o p a g a t i o n ，简称b p 算法) 。人工神经嗍络存水文预报中的应用也川刚起步， 并在以_ f 一些方_ 由j 做了一1 i ：b 有益的探讨。 1 3 人工神经网络在水文领域的应用 目自d 人工种经网络在水文水资源水环境领域的预测预报、分类u 别、优 化调度1 7 计算、环境水质碍：价等方面都有了一定的应用，尤其在预测预报中 盛用最多。 h a l f f 等设计了个二层的i u 鼬型人工神经网络模型，该模碰利用美国地 质测量系统( u s g s ) 的观测数掘，模型的输入为b e l t v u e 和w a s h i n g t o n 的降雨 信窟、，模型的输出为陔地区的水文信扈。，模型的隐减层采用5 个节点，总共 可用的5 场暴雨事件中的4 场作为模型的洲练数掘，剩余的1 场阁来检验模 型的效果。陔负研究为采月j 人工神经网络进行降f 盯径流问题丌了先河i 。 m l z h u 、mf u j i t a 等研究b p 网络戍用j 一洪水预报，实践表明：离线预 报表明网络性能j 漩队寸学习样本的代表性( 预报洪水是样本的内捅还是外 延) ；在线预报| | j 精度较竹。普阱 ) i 使用的模糊推理法要好；巾】通过预报洪水的 、f 游( i 蔓问 则浸) 的力j ，也令人擞$ 1 。 h s u 等认为人丁神挣l ，q 络模型j _ 自建i 复杂的输入输出非线性映射的能 力。提 l j 丁采j j 州t 硝：上：为线+ r j 陵，卜：朵r 一争b 形i 去( l i n e a ll e a s ts ql l a l c s i m p l e x ) 旧尊浊汁i 1 以川j 事 ! 捌流域惮戋惟：水j 行为的砷经网络模型n 勺参 数，通过这种算法获得人- 1 神经网络模型仵中等流域大小的l e a f r i v e 降雨径 流模拟巾表现出j 1 ea r m a x 时川序列同归羽i 萨格拉j 托模型更好的效果。 结果表明虽然人 神经川络模掣的参数并小具有物理意义，但是这种模型的 表现良好，j f ju 具朽建模简便的优点”“。 r a m a n 筹应刖一层b p 神经例络模型进行了多变量水文时间序列的模拟， 用卜训练的样本是印度的m a n g l a m ，p o t h u n d y 两水库1 9 7 72 二1 9 9 0 年的月径 流序列，用训l 练好的刚络束模拟月径流序列，结果表明，神经嘲络模，删具有 较高的精度，该文认为用 j 经网络模型模拟水文序列是可行的1 。 i , i n d a s e e 汀洪水过榉分为丹段、洪峰段和下降段j 部分，分别建立 ， h 应的预报模型，充分考虑了不同阶段的洪水过程其演进规律的差异i 。 f ij o l mc h a n g 引入洪峰预报误差和峰现误差作为洪水预报精度的评价标 准，对丁二洪峰预报精度给予r 高发的重祧_ 1 “。 国内的研究人员l 三将 e 缗网络引入了水文系统各个领域，并做出了可喜 的成绩。 朱晓冬等采剧b p 神经嘲络预 艇鲁西北雷雨冰雹天气，他们选取了与鲁 西北刈流天7i 何关的特征c l jf ，得到个用0 8 时常规资料判别鲁西北地区f 午到瘦问仃无雷附或冰雹n 0 人 = ：神经网络分类预报网络，经过试报，孩网络 对何无雷附、冰雹这三炎天气的预报准确率达7 5 ，r 4 o 杨型月等用b p1 | | 经网络来预报广西前汛期暴雨，从1 9 8 】1 9 9 0 年的气 象资料巾取3 4 个盼i - 。j 作为输入层，经过6 0 0 多个样本的训练，网络最高成功 指数为0 7 、| 黎煌东等用神经网络模型求预报鄢湖q ：最高水位，垓文选取厂6 个o “1 年最高水位仃较好川必，七系的前期水文气象n 将历年最高水位划分成 3 个等级，利刚19 6 3t 19 8 7 ：，i 、2 5 印n l j i i 的资料稍为训练网络的样小，l j 19 8 8 年的资牛1 怍降验，纳粜& l hj ，j | ；! 报 f j 粜完伞符合实际情况“t 。 吖i 玳 囊【人j ：埘! f 孑：f 市沦义 胡铁松等采用联合梯f 曼算 ； k f l 9b p j 经网络柬预报人伙房水库汛期平均 流避，并利剧1 9 7 2 1 9 8 2 午的资料作预报检验，结果表忧，陔彤 报方法越 育效的而且神经网络n j 进f 丁丑戡练和离线应剧i ”i 。 蔡煌彖等刚b p 神经f j 络预 m 入伙房水库 b t j d , t ) l 的释流，垓文中选取平 均位势高、m 强、相对湍度和j f 均气温作为输入层，经1 9 7 8 年1 9 8 0 年的资 f 1 预报睑验表明，该法预测成功率较高i 。 3 f ：d 、峰等运刖b pi q m 以流域江水条件为基本因子，建立了流域产流产 沙b p 网络预报模型，该摸型可用于定量分析流域人类活动囚素对流域产流 产沙的影响，应_ l j 两汉水、大迎汀、香溪河流域资料验证表明，模型基本合 理、l j j 靠i 。 夺鸿雁等z i ：总结大量秽；水预报实践绎验的基础，l ：提出了一种峰值让 别理 论及l n 应的改进b p 算法，该理论及算法在修改网络牛义重时，偏重大值误差， 即达值误差则权重的修改血! 主要作崩。这种b p p r 算法使人悌 l 经网络洪水 预报模型_ 、j 洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性1 2 ”。 总之，国内外的部分科研_ 作者剥- 于人 神经刚络在水文水资源水环境 领域的应用做了大量研究。返砦研究结果表明在水文水资源水环境系统中应 用人f ：神经网络，不仅町i 解决现有办法手段难以解决和小能解决的一些复 j ：h 题，而且r 叮能玎辟 条新的研究思路和研究途径，从而提高水文水资源 水环境的科学水、i j ，促进科学蛆t 论的小断发展。 1 4 人工神经网络与洪水预报结合的优势 1 、i i 速汁算能力 电脏l 虽然汁算的速度较队，f li 刈【7 f 多问题，人脑的处圳速度列j 远远快于 l 卧i ，例如，i ：艇 洋人l t 辨圳 个热八的r f l i # l ，人l i 神经州络作为模仿人腑 帕4 = 【 1 人i 似能系统，仃b ：j 述帕 j 卯能力。 哈尔湃| m 人”】mi j 。7 ：1 札陀又 n ：水文预拟巾，涉及了、最的仂殳数据、复杂的_ f 线性讨锌以及计箅过程 c oj 数抓的传输与交换，高述的引算能力t 呆i l e t 计算的高效率。 2 、人容量记忆能力 t i ：物神经l 蜘络与人j - t 1 经刚络川样是个高度连接的网络，根据日i j 另、联科 学家柯其果大( k 0 1 m o g o r o v ) 的定耻：任何1 种从m 维空问到n 维空山的映利， l t 圳, i i j 一个其有- 瞥层隐含层f 内倒传播网络来完成，只要隐含层具有2 m + 1 个 处f t - , g 儿即rr ，。罹而易见，! ：物神纤网络与人工神经网络将具有惊人的记忆 。容量 神经网络具有的大容量址忆能力可以存储大量的水文数掘、输入输山模 a g , j 关系，联系高速的计算能j j 可以提高水文预报模型的推广能力，提高水 丈形 j 陵的智能化水平。 3 、学习能力 人_ 厂神经网络的连接是柔性的，h 1 1 神经元间的连接是透过突触，而突触 本身是可以调整的，凼此人t 神经州络具有强大的学爿功能，这是传统电脑 所不具备的。人工神经网绍的学习能力何二炎：监督式学习、无监督式学习、 联想式学习。 神经网络具有的学习z h , 。t 5 力使得住建立水文模拟模型时，避免了机理分 机、边7 与初始假设、以及参数估计与u i 别的复杂过程利某些困难，只需对 。丈例数据进行模式对训练叫, i j 确立输入输山的映射关系，使模拟过程得以简 化， 4 、容t 能力 人= | 经例络如果有! p 数钟经，i 或连接受到损伤并小影响其l f 常功能， i j 电脑i 的任儿什故障挪口j 能甘敛，矗的后果。其原因r j ：j 人j 神绎刚络的 资讯“仔魁j ，敞- 也忆，小矧：分近拔，砭j 6 i ，会造成j j 能：晰为降低，凶而人 l 钟? t q 络j 九优靴劣亿( i ) e g l a d og 1 a c e l t l l y ) ( t j 特4 r h 也h 为分和j 存储的 荚系，神经例缉刊于不完整或有杂n 皂的输入也能做出币确的处理，即具有 十萸糊摊到j 的能力。 1 5 本文研究的主要目的和内容 从f j 胁的研究现状来看，采川神经网络方法建立洪水预 陵模型是可行的， 但对j 二较为复杂的水文系统1 hj 二其具囱0 日懂的非线性特征，常常会遇剑预 报精度1 i 够理想的情况，这也是洪水预报r p 的难题。提高神经网络模型的预 报精度也是困内外从事此领域的科研_ ：l 二作者4 i 断追求的。因此本文根据b p 网络( b a c kp r o p a g a t i o n ，衔j 称b p ) 和遗传算法( g e n e t i ca l g o r i t h m s 赫称g a ) 的特t i ，提出了一种混合i j | ；练方法：对标准遗传算法加以改进，山改进的遗 传算浊优化确定b p 神经例络的初始权闽值，确定一个较好的搜索空间，然 后再【ub p 算法在这个解宅洲里对m 络进行训练学习全收敛。实现厂两者的 优势互 ，发挥了神经i 叫络的广泛映射能j 和遗传算法f 1 9 全局搜索能力。并 将这种力法结介应用丁j 4 ：洪水预报r r | ，为流域防洪颁警系统的需要丌辟崭 新的领域。木文坷f 究工作限 ：嘤研究内容包括： 第一章：i 制述r 吲内外水文预报的现自力法及发展趋势，重点介! g 了人 i 神经例络在洪k 预报中的优势以及赴陔领域叶1 的研究成果，并对陔领域的 研究现状进行了综述。 第二章：介绍j 神经嗍络的发l 与发展过程，详细分析了人 神经网络 的特点、结构、类型及数7 亨7 模型。本带是后续一作的一个珲沦基础。 第一章：叶细介绍j 移；水预报选取的b p 网络及其改进算法，将洪水预 = ! 的影响i 剧素o 例络的输入输出建：j 年应的对应天系，并通过具体实例 i ”自￥j 7 阳f 叫络洪水舰h 膜( ，的业”方泌。 钙川r l ：钏埘b p 算法有缺陷个 a 搜索能力蕾等问题，捉f lj 了g a l m b p f i i 纤iz q 络。歧i | j 0 ；数自- - j ”5 f j 迭 0 算7 ，：“t5 力策，j j 哕、f j l 化b pp 络f 向 l ：，j i n ii “人 ；：硕l j 宁 沦文 初始权阎值，并f 存遗f 0 椿作巾采明白适应。y t 交义牢、变异率和改进交义、 变异算子桐结合的方浊，拢：南j 7 利t 群的多样性。同时采用罐r 梯度下降法与 自】斯牛顿法结合的l e v e n b e r g m a l q u a d t ( l m ) b p 算浊寸嘲络在遗传尊浊确 定t i d 4 ；卣吲搜空问内进行精确训练，此算法通过连续异或 u 题进行性能试验 仿真。 第f f 章：以某水库3 j 年的最火r 库区径流资料数掂为例，采用以 g a i 。m b p1 f | 经例络算法为基础的一二种预报模耍9 进行仿真和比较，同时选用 f = ；：| 型l i i 与单运用附加动量的b p 算法和l m 算法的仿真预报比较。最后还 针剥网络的泛化能j 进行j7 讨论并采耿了及早停止的策略进行改进。 最后对全文总结，对人 一= | | 经刚络在洪水预报领域的发胜进行r 展望， 行捉f h 了o j 香法。 第2 章基于人工神经网络洪水预报的理论基础 2 i 引言 利用机器模仿人类的咎能是k 期以束人们认识自然、改造自然的理想。 自从有了能够存储信息、进行数值运算和逻辑运算的电子计算机以来，其功 能和性能得到丁不断的发展，使机器智能的研究与外发h 益受到人们的重视。 1 9 5 ( 5 年i m c c m 1 1 y 等人提出j 7 人 智能的概念i ”1 12 2 1 ，从向形成了一个与神 ! 野生理科学、认知科学、数理引学、信息论与计算机科学等密切相关的交叉 学科。人_ 神经网络是人 。智能的请口分，提出于5 0 年代，兴起于8 0 年代 巾期，近些午已经成为各领域科学家”竞相研究的热点。 人t 神经网络( a r t i f i c i a ln e u r a ln c l w o r k s ，缩写a n 2 , , r ) 足对人腑若干基 本特托通过数字方法进仃自7 川 象和模拟，是种模仿人脑结构及其功能的非 线性信息处理系统。人旧 l 经网络具有高速的大规模并行处理特性，高维 的1 线性动力特性，高度的容错忡和鲁棒忾，信息存储的分如特一h - ，自组织、 f = _ | 适应、自学习的 定常i ! ，联想记忆的 f 定常性等。 自从公元前u f 罩上多勰时代jr 始，人4 ( j , + j c 丌始研究具有思维能力的机器。 笫一台电子计j z 十j k z , j 问世使这方丽的研究有了实质性的进展。以计算机为q j 屯、的信息处理技术的高速发腱，使得计算机在当今的信息化社会中起着l 分 重爱i l , j f i - ：劂。似起，当川它米解决某些人l ：智能问题时却遄到了- 很大的团难。 人脑是山7 扛物神经，l 均成的h 型网络，它在奉质卜巧i 刷卜计算机，是 种人觇摸的非仃处里系统，它h 有学j j 、联想、记忆、综台等能力，并有巧 妙怕f ；息处理乃法j 。， 【| | i i t q 络的j 观为人们进步了解人啮思维的兜秘7 1 ： 柑r 新的近静。s 营它巫，i 址人腑l 门，i 火无缺的恢型，但它j 以通过学列永 技j ；t 外川内i ：t l 以卜f i in m h ! * i | j 以舸决汁算机不功处圳i l j 难题，特别足 f 二i 滨f ： ￥人顺 一学化论文 语音和图像以别、理斛、知u 的处理、组合优化计算利智能控制等一系列本 质卜讣计锋的问题。 在近年来，神经网络的研究取得了很人的进展。神经网络以及建立在神 经网络基础j 一的神经计算机成为当代商科技领域巾方兴未艾的竞争热点。 2 2 人工神经网络的发生与发展 人：l 衬；经刚络的产生与发腥并非一帆胍顺，它经历了一个曲折艰难的过 程。早在j 9 4 3 年，心理学家m c c u l l o c h 和逻辑数学逻辑学家p i ( t s 在研究e 物神经元的基础上百次提出r 形式寻中经元模 儿称为m p 模型。1 9 4 9 年，心 理学家h e b b 通过对大脑 经细胞学习和条件反射的研究，提出了至今仍对 神经刚络理论有着重要影响的h c b b 规则。从5 0 年代到6 0 年代初，神经网 络的研究丌始作为人：r 荃j i 的一种途径而受到人仃j 的重视。1 9 5 7 年 f r o s e n b l a t t 首次日f 入感知器( p e r c e p t r o n ) 的 l ! ：c 念，它由闽值犁神经7 构成， 例步具备了并行处理、分靠处理和学习等神经网络的基本特征，从而确立了 从系统的角度研究人工神经网络的基础。19 6 2 年w i d r o w 和h o f f 提出了白遁 j 、i 线性，l 件( a d a l i n e ) 及古学习规则。a d a l i n e 模型足感知器的一种变化形式， 是一个连续驳值的神经刚绍。由此掀起j 神经网络研究的第一次热潮。 随着对神经网络的深入研究，人们巡到了一时难以解决的各种难题。1 9 6 9 年m i n s k y 和p a p c r t 出版j 7 感知器( p c r c c p t r o n ) 一书，该怕指m ：简单的 感知器只能局限 处理线性问题，划于非线性问题都无能为力，并指出对多 层感知器还不能找到有效的计算方法。l h 于他们悲观结论，存此之后的1 0 苹一t i ，神经例络的研究逍入厂一个缓慢发展的低湖划。 红这个低潮驯r l - ，研t 。作并没柏琵全停顿】、米，仍韵l ：多学者继续进 行探索1 9 7 6 印g l _ o s s b e r g 挺了f 1 通成j l 振胖论( a r t ) ，1 9 8 0 年 # ”i 学爿 k o h o n o l l 提f f lj 自t e l 9 j 。这些蚓究f 。作刈甜绐闱络的发眨起j 、积极的 排动作川。 i 至1 9 8 2 年，美图加j ：学院生物物理学家h o p f i e l d 通过刈神经网络动 j 特性的研究，提出j h o p f i c l d 神绎网络模型，引入了“能量函数”的概念， 给m 了网络稳定一r f 的判抛，成为人i a , i i 经i 酬络走咖成熟的啦程砷。1 9 8 4 年， 他义提m 厂连续时问h o p f i c l d 神经网络模型，为神经算机的研究做了，l 拓 f k f ；_ e 作，丌创了种经网络厂j 于呋恕池忆和优化计算的新途径，有力地推动 rf i 绛网络的埘吩。 1 9 8 6 年，der u m e l h a l t 和ji 。m c c e l l a n d 提出厂误差反i h j 传播种经刚络 ( b p 例络) ，它是种朝着给定输入输出关系方向进行自纽织的网络，可以求 解感知器小能解决的问题，从实践t 证明了神经网络具自- j 艮强的运算能力， 实现了m i n s k y 引入隐层的设想。b p 例坌 是目前最为引人注e 的、应用最广 的神经同络之。 进入2 0 峨纪9 0 年代后；，人工神经网络从理论研究到软件l ：发、硬件实 现、各个学科领域广泛应用与捌1 渗透等诸多方面取得了全血的发展。神经 i 刊络涉及了众多学科，成咒j 门新兴的、综合性的盼沿学科，在各个领域 巾都取得，令人瞩目的成粜。 2 - 3 生物神经网络与人工神经网络 19 8 8 年，ll e c h t n i c l s c n 人j 神经网络是一个f 曾绎给人工神经网络h 了如卜i 的定义! “： r 、分佰处目j 结构，它 处理单兀称为连接的无 处理、p 元( p e p r o c e s s i n g e l e m e n t ) g 有局鄢内存， 川tj 丁以完成岗* k 探作。每个处删学儿自个荦的输连接，这个输出可以 恨 l l ：斋要被分支成希望个数的玑多j r 连接，日这，啮= j 行连拔鄙输m 相同的 j j ，信如0 人小小分戈n 0 多少斫变化。处理r 一 旧数学 蝗j 虬每个处删啦儿一l ，进行的垛作必须是 1 1 儿睁 f 处 哈尔滨1 程人学硕十学位论文 完全局部的。也就是说，它必须仅仅依赖于经过输入连接到达处理单元的所 有输入信号的当前值和存储在处理单元局部内存中的值。 要充分了解人工神经网络，首先必须对生物神经网络有所了解。生物神 经网络是由巨量的神经细胞( n e u r o n ) ，或称神经元组成的，神经细胞的形状 与一般的细胞有很大的不同，它包括： 细胞体( s o m a ) ：神经细胞呈核状的处理机构。 轴突( a x o n ) ：神经细胞呈轴索状的输送机构。 树突( d e n d r i t e s ) ：神经细胞呈树枝状的输出输入机构。 突触( s y n a p s e ) ：神经树上呈点状的连接机构。 当神经元透过突触与树突从其他神经元输入脉波讯号后，经过细胞体处 理，产生一个新的脉波信号，如果脉波信号足够强并超过一定的值时，就产 生一个尖峰状的脉冲电位，称为突触后电位( p o s ts y n a p t i cp o t e n t i a l ，简称 p s p ) 。p s p 在正的方向增大到一定值时，神经元就产生并发放脉冲。能产生 j 下p s p 的突触为兴奋性突触；否则为抑制性突触。如脉冲信号经过的是兴奋 性突触，则会增加脉波信号的速率；如是抑制性突触，则会减少脉波讯号的 速率。因此，脉波讯号的速率同时取决于输入脉波讯号的速率及突触的强度。 而突触的强度可视为神经网络储存资讯的能力，神经网络的学习即相当于调 整突触强度。图2 1 是一种典型的神经元结构示意图。 图2 1 生物神经元结构示意图 哈尔滨l ：程人学硕士学位论文 生物神经元具有以下基本特性： ( 1 ) 神经元具有多输入、单输出的特眭； ( 2 ) 神经元具有非线性的输入、输出的特性； ( 3 ) 各神经元间传递信号的强度是可变的：且输入信号有兴奋作用与抑制 作用之分； ( 4 ) 神经元的输出取决于所有输入信号迭加综合的结果，当等效的综合输 入值超过阈值时，该神经元被激活，否则将处于抑制状态。图2 2 表征与生 物神经元等效的系统模型“。 输 入 输 出 图2 2 生物神经元等效模型 现代神经生理学和神经解剖学的研究结果表明，人脑是极其复杂的，由 约1 0 个神经元交织在一起，构成一个网状结构。它能完成诸如智能、思维、 情绪等高级神经活动，被认为是最复杂、最完美、最有效的一种信息处理系 统。人工神经网络是对人脑若干基本特征通过数字方法进行的抽象和模拟， 是一种模仿人脑结构及其功能的非线性信息处理系统。人工神经网络具有高 速的大规模并行处理特性，高维的非线性动力特性，高度的容错性和鲁棒性， 信息存储的分布特性，自组织、自适应、自学习的非定常性，联想记忆的非 定常性等。 2 4 人工神经网络的特点 1 、大规模的并行计算与分布式存储能力 传统计算机的计算和存贮是相互独立的，而在a n n 中，无论是单个神 经元还是整个神经网络都兼有信息的处理和存贮的双重功能，这两种功能自 哈尔滨i 程人学硕士学位论文 然融合在同一网络中。a n n 计算过程的并行性决定了期对信息的高速处理能 力。 2 、线性映射能力 a n n 各神经元的映射特征是非线性的，有些网络的单元间采用复杂的非 线性连接。因此，a n n 是一个大规模的非线性动力系统，具有很强的非线性 处理能力。 3 、强鲁棒性和容错性 由于信息的分布存储和集体协作计算，每个信息处理单元既包括对集体 的贡献又无法决定网络的整体状态，因此，局部神经网络的故障并不影响整 体神经网络输出的正确性。 4 、自适应、自组织、自学习能力 神经网络最突出的特点就是自适应、自组织、自学习的能力，它可以处 理各种变化的信息，而且在处理信息的同时，非线性动力系统本身也在不断 变化，即可以通过对信息的有监督和无监督学习，实现对任意复杂函数的映 射，从而适应环境的变化。 5 、非局域性 一个神经网络通常由多个神经元广泛连接而成。个系统的整体行为不 仅取决于单个神经元的特征，而且可能由神经元之间的互相作用、相互连接 所决定，通过神经元之间的连接模拟大脑的非局域性，联想记忆是非局域性 的典型例子。 6 、非凸性 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数，例 如能量函数，它的极值对应系统某个比较稳定的状态。非凸性是指某个系统 的能量函数有多个极值，故系统具有较多个较稳定的平稳状念，这将导致系 统演化结果的多样性。 哈尔滨1 群人学硕士学位论文 2 5 人工神经网络的数学模型 从信息加工这个角度看，在神经元所具有的各种机能中最重要的是，在 突触处对许多输入在空间和时间上进行加权的性质，以及神经元细胞的闽值 作用。人工神经网络的每一个处理单元的输出以扇状送出，成为其它许多处 理单元的输入。处理单元的输出值与输入值关系式，一般可用输入值的加权 乘积和的函数来表示。将生物神经元的信息处理过程采用数学方式进行描述， 便得到了人工神经元的数学模型，如图2 3 所示。 z 图2 3 人工神经元的数学模型 这里的，x ：，x i ，_ 分别表示来自其它神经元突触的输入；相应的 ，”，2 ，彤，表示突触l ，2 ，i ，n 与第j 个神经元的突触连 接强度，即连接权值：q 表示是神经元j 的闽值；神经元j 的净输入s ，为： s i