展会信息港展会大全

人工神经网络峰值识别理论及其在洪水预报中的应用土建水利学论文
来源:互联网   发布日期:2011-09-21 22:06:35   浏览:4378次  

导读: 算法的训练过程由信号的正向传播与误差的逆向传播两个过程组成)所示 、图高于实测值 这里所采用的峰值误差修正放大系数μ实质上与集中大值所占的比例有关,大值所占比例越小,μ的取值越大;反之,则小 在实际操作中,ξμ是作为一个参数进行权重调节计算的...


算法的训练过程由信号的正向传播与误差的逆向传播两个过程组成)所示

、图高于实测值

这里所采用的峰值误差修正放大系数μ实质上与集中大值所占的比例有关,大值所占比例越小,μ的取值越大;反之,则小.在实际操作中,ξμ是作为一个参数进行权重调节计算的,所以μ的取值又受集中最大值和最小值间比例关系的限制.

如果放大系数选取过大,网络训练容易失稳,造成训练误差增大;反之,网络权重的修改难以体现洪峰的贡献.具体取值由实际问题而定,在珠江流域的洪水预报模型中,放大系数的取值范围为1.52.5.

从网络模型的训练识别和测试预报两方面的研究成果来看,人工神经网络对于洪水演进规律的识别具有较高的精度,能够模拟洪水的动态过程,其中,引入峰值识别理论的BPPR算法有利于提高模型对峰值的映射与预报精度,效果明显.这些改进效果对于水文水资源预报中,可能效果并不十分显著,但在防汛中,水位预报对决策至关重要,往往十几厘米的误差,直接影响到方案的决策.因此,峰值识别理论对基于BP算法的洪水预报模型来讲,具有重要意义.

3 结束语

基于人工神经网络的洪水预报方法作为减灾领域一种新的研究途径,将智能化思想引入到对洪水过程的计算模拟,更能反映洪水复杂非线性的动态演进规律.研究结果表明,人工神经网络算法能够很好地映射洪水

赞助本站

AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港