遗传算法在旱涝预测中的应用研究

摘要

在论文中,详细讲座了四种时间序列分析方法,即经典时序分析法、马尔可夫概型分析、灰色预报、人工神经网络.针对模型参数识别问题,作者又提出了两种嵌入了基本位遗传操作算子的GA新策略,分别用于识别经典时序模型的参数和优化人工神经网络模型（简称ANN）的权重.这两种GA求解参数的策略被应用于据石家庄汛期降雨资料建立旱涝预测模型的研究中,并与传统的求参方法作了对比.研究结果表明,该文的GA策略是有效的,拟和精度高于传统方法.在诸多方法中,GA-ANN是一种稳健、灵活的建模途径.并且,该文还对ANN的泛化推广特性作了更进一步的研究.

目录

文摘

独创性声明

学位论文版权使用授权书

1前言

1.1引言

1.2研究现状

2遗传算法

2.1基本思想

2.2遗传算法的热门研究方向

2.3基于机器码存储的遗传算法

3旱涝灾情预测方法

3.1经典时间序列分析法

3.2马尔可夫概型分析

3.3灰色预测

3.4人工神经网络

3.4.1 BP人工神经网络

3.4.2水文时间序列预测的ANN法

3.4.3人工神经网络的泛化能力研究

4基于机器码存储的遗传算法求解参数策略

4.1遗传算法求解经典时序模型的参数

4.2遗传算法搜索神经网络权重

5算例

5.1可行性

5.2资料分析

5.2.1趋势分析

5.2.2周期分

5.3经典时间序列模型

5.4神经网络模型

5.4.1算法比较

5.4.2神经网络输入节点的确定

5.4.3收敛准则的确定

6结语

参考文献

致谢