小波神经网络模型及其在水文水资源中的应用

摘要

本文对小波神经网络模型及其在水文水资源中的应用进行了研究。主要内容及结果如下： 1．基于Morlet小波函数的紧致型小波神经网络(WNN)，对该模型的数据转化、参数设置、参数调整进行了改进。将该耦合模型首次应用于水稻需水量预测中，取得了良好的效果。 2．脉冲耦合神经网络(PCNN)被称为“第三代人工神经网络”，本文在原有简化模型的基础上，对该模型进行了很大的改进。首次提出了改进型PCNN的水资源利用状况评价模型、基于A Trous小波变换的PCNN年降雨量预测模型，均取得良好效果，在理论上有较大的改进。 3．蚁群算法是近代仿生学的新成果，并具有很好的全局优化能力。本论文找到了蚁群算法与Marr小波神经网络的结合点，并做了相应的改进，首次提出了基于蚁群优化的小波神经网络模型。该耦合模型用于地下水位预测中，取得了满意结果。

目录

文摘

英文文摘

声明

1 绪论

1.1立题依据

1.2水文水资源现状及其发展趋势

1.3研究目的及研究意义

1.4立题思想和内容安排

1.5基本技术路线

2小波神经网络概述

2.1人工神经网络

2.1.1人工神经网络的发展历程

2.1.2人工神经网络模型的特点

2.1.3人工神经网络的基本原理

2.1.4人工神经网络的拓扑结构

2.1.5人工神经网络模型的分类

2.1.6人工神经网络的应用领域

2.2小波分析

2.2.1小波分析的发展历程

2.2.2小波分析的基本原理

2.2.3快速小波变换算法

2.2.4几种基本小波介绍

2.2.5小波分析的应用现状

2.3小波神经网络

2.3.1小波神经网络的兴起及发展现状

2.3.2人工神经网络与小波分析的耦合途径

2.3.3小波神经网络在水文水资源应用中的现状

2.4本章小节

3基于BP算法的小波神经网络模型及应用

3.1 BP算法的基本原理

3.1.1BP算法的网络结构及模型

3.1.2 BP算法的改进措施简介

3.2基于Morlet小波的BP网络模型

3.3水稻需水量预测的小波BP网络模型

3.3.1耦合模型的改进及运算步骤

3.3.2实例应用的基本资料

3.3.3耦合模型预测结果分析

3.4本章小结

4基于PCNN的小波神经网络模型及应用

4.1脉冲耦合神经网络(PCNN)模型的基本原理

4.1.1 PCNN模型的研究现状

4.1.2 PCNN模型结构及工作原理

4.2 PCNN模型的改进及应用

4.2.1水资源评价的PCNN模型

4.2.2改进的PCNN模型在水资源利用状况评价中的应用

4.3基于小波变换的PCNN模型原理

4.4降雨径流预测的小波PCNN模型

4.4.1小波变换——A Trous

4.4.2应用实例

4.5本章小结

5蚁群算法优化的小波神经网络及应用

5.1蚁群算法(ACA)概述

5.1.1蚁群算法的研究进展

5.1.2蚁群算法的基本原理

5.1.3蚁群算法的基本特性

5.1.4蚁群算法模型描述

5.2蚁群算法优化的小波神经网络模型

5.3基于蚁群算法的小波神经网络在水文水资源中应用

5.3.1应用实例的基本资料

5.3.2输入输出样本对的确定

5.3.3确定网络结构及网络参数

5.3.4预测结果分析

5.3.5结论

5.4本章小结

6结论

6.1本课题的分析结论

6.2小波神经网络在实际应用中存在的不足

6.3小波神经网络在水文水资源应用中的前景展望

致谢

参考文献

攻读硕士学位期间发表的学术论文