基于人工神经网络的荆江河段水文研究

摘要

河段水文研究是水文科学的重要课题，而防汛工程是河段水文研究的重点对象，作为水文研究中的核心部分——径流预报，不仪是一项减免地区损失非常重要的防洪措施，也是一项科学利用水资源的举措，因而引起越来越多国内外水文专家的重视。及时准确的水文预报，一方面可以为防洪、调度、决策提供重要依据，从而降低洪涝灾害的风险;一方面可以合理利用水资源，为地区带来可观的经济效益和社会效益。
　　目前，对于水文预测这类复杂的“黑箱”问题，传统办法大都寻求的是输入、输出之间的线性关系，而人工神经网络通过转换函数，直接寻求输入、输出之间的非线性关系，后者在理论上更适合洪水的运动特性。人工神经网络具有非线性以及学习等特点，但同是也存在收敛慢、易发生震荡的缺点。
　　因此，本文以荆江河段为研究对象，主要研究内容如下:
　　(1)对荆江河段的水文情况进行了简要阐述，分析比较传统和新型水文预报方法，将人工神经网络引入模型，并介绍人工神经网络模型在水文研究中的研究现状。
　　(2)本文在普遍适用的BP神经网络的基础上，研究其改进方法，并将禁忌搜索引入模型，建立了可以实现全局优化进而提高水文预报精度的禁忌全局优化网络模型。其中针对禁忌全局优化网络的结构设计、算法实现、参数设定进行了深入研究。
　　(3)虽后运用MATLAB仿真软件分别构建BP神经网络和禁忌全局优化网络的日预测模型，利用荆江河段历年的水文数据进行学习训练，分析结果表明，禁忌全局优化网络模型的预测精度要优于BP神经网络。基于中长期预测对水库调度、防汛抗旱、水资源规划管理等工作至关重要，进而构建月预测模型，分析结果表明，禁忌全局优化网络模型的预测精度要明显优于BP神经网络。
　　(4)本文所建模型合理，水文预报效果好，可操作性强，研究成果对长江流域河段水文研究具有重要参考价值。

目录

摘要

1 绪论

1．1 研究背景与意义

1．2 水文研究方法的研究现状

1．2．1 经验相关法

1．2．2 传统模型法

1．2．3 现代模型

1．3 主要研究内容和思路

1．3．1 理论研究

1．3．2 仿真实现

1．4 本章小结

2 荆江河段水文概况

2．1 自然概况

2．2 水文站分布

2．3 水文特征值

2．4 本章小结

3 BP神经网络和禁忌全局优化网络的基本理论

3．1 人工神经网络

3．1．1 人工神经元

3．1．2 神经元激活函数

3．1．3 训练及学习规则

3．1．4 人工神经网络模型

3．2 BP神经网络

3．2．1 BP神经网络模型

3．2．2 BP神经网络算法

3．2．3 BP神经网络优缺点及改进

3．3 禁忌全局优化网络

3．3．1 局部邻域搜索

3．3．2 禁忌搜索的主要参数

3．3．3 禁忌搜索算法流程

3．3．4 禁忌搜索算法优缺点及改进

3．4 本章小结

4 日预测模型的建立

4．1 水文模型的建立

4．1．1 模型构造

4．1．2 网络训练样本选取

4．2 样本数据处理

4．2．1 样本的收集及处理

4．2．2 样本的归一化处理

4．3 预测模型评价标准

4．4 BP神经网络模型的设计

4．4．1 网络层数的设计

4．4．2 网络神经元个数的设计

4．4．3 网络学习参数率定

4．5 禁忌全局优化网络模型的设计

4．5．1 基本禁忌搜索算法的参数率定

4．5．2 改进禁忌搜索算法的参数率定

4．6 网络建模仿真及结果分析

4．6．1 水位日预测模型

4．6．2 流量日预测模型

4．7 本章小结

5 月趋势预测模型的建立

5．1 水文模型的建立

5．1．1 模型构造

5．1．2 网络训练样本选取

5．2 网络建模仿真及结果分析

5．3 本章小结

6 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

声明