基于遗传算法的人工神经网络河流冰情预测研究

论文摘要

河流冰情预测是人们一直关注的重要课题,但由于影响冰情的各因素与冰情的发展之间没有确切的函数关系,目前冰情预测领域的许多问题还没有得到很好的解决,特别是开河预报和冰塞冰坝的预报。通过河流冰情生消演变的分析,总结出了影响河流冰情的因素,包括热力因素、动力因素、河道形态、人为因素、上下游影响和地表径流六个方面。除河道形态是短期内固定值外,上述每个因素的大幅度变化都有可能成为冰情发展的控制因素。人工神经网络具有强大的非线性映射能力,已经被应用于模式识别、智能控制、图像处理以及时间序列分析等各种领域,其中RBF神经网络结构简单、训练简洁而且学习收敛速度快,能够逼近任意非线性函数。遗传算法是模拟生物界而构造出的一种算法,具有广泛的适用性以及全局优化的能力。因此,遗传算法改进的RBF算法在理论基础上优于BP算法建立的神经网络。依据开河机理,结合松花江哈尔滨站的历史资料,设计出了基于遗传算法的RBF神经网络预测模型,用来预测松花江的河流开河时间。模型设计的主要原理是确定RBF的隐层神经元个数后,应用遗传算法优化RBF神经网络隐层的基函数中心,宽度nciσi以,应用偏最小为二乘法(PLS)优化隐层到输出层的权值wi,对河流的开河时间进行预测。预测的结果显示,预报为甲级预报,遗传算法改进的RBF神经网络预测河流开河封河是完全可行的。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题研究的工程背景
• 1.2 冰情预测的研究现状
• 1.2.1 预报指标法
• 1.2.2 点聚图法
• 1.2.3 回归分析法
• 1.3 工程研究的意义
• 1.4 松花江哈尔滨站预测模型设计的意义
• 1.4.1 研究重点
• 1.4.2 基于遗传算法的RBF网络与BP网络的比较
• 第二章 河冰的生消演变及其影响因素分析
• 2.1 河冰的生消演变过程及研究现状
• 2.1.1 解冻期
• 2.2 影响河流冰情的因素
• 2.2.1 热力因素
• 2.2.2 动力因素
• 2.2.3 河道形态
• 2.2.4 人为因素
• 2.2.5 上下游的影响
• 2.2.6 地表径流
• 第三章 人工神经网络基本理论
• 3.1 生物神经网络
• 3.2 人工神经网络的发展历史
• 3.3 人工神经网络概述
• 3.3.1 人工神经网络的主要方向
• 3.3.2 人工神经网络的分类及学习规则
• 第四章 径向基神经网络
• 4.1 径向基神经网络概述
• 4.2 RBF神经网络模型
• 4.2.1 正规化网络
• 4.2.2 广义网络
• 4.3 RBF网络的学习算法
• 4.4 遗传算法简介
• 4.4.1 生物进化理论和遗传学的基本知识
• 4.4.2 遗传算法的优点
• 4.4.3 遗传算法的主要运算过程
• 4.5 偏最小二乘法简介
• 4.5.1 算法推导
• 第五章 RBF神经网络的松花江开河冰情预测
• 5.1 哈尔滨站河流开河日期RBF网络预测模型
• 5.1.1 开河日期预测的数学模型
• 5.2 遗传算法优化松花江站河流冰情预测RBF网络的参数设置
• 5.2.1 编码
• 5.2.2 适应度函数的选择
• 5.2.3 选择与重生
• 5.2.4 交叉运算
• 5.2.5 变异
• 5.3 算法的基本步骤
• 5.4 计算结果分析
• 5.5 误差分析
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 发表论文和科研情况
• 致谢