APP下载

神经网络模型在中长期水文预报中的实用性探究

2010-03-22吴素芬

黑龙江水利科技 2010年3期
关键词:叶尔羌河人工神经网络径流量

赵 琪,吴素芬,薛 燕,张 亮

(1.新疆水文水资源局,新疆乌鲁木齐830000;2.石河子大学绿洲生态农业重点实验室,新疆石河子832000)

1 引言

中长期水文预报在水资源利用与调度中的作用十分重要,但是,随着预报预见期的增加,许多影响因素变化的不确定性也随之增加,中长期水文预报精度尚不高,研究进展缓慢[1]。

人工神经网络是人工智能的一个分支,涉及数学、计算机、思维科学、心理学、模式识别、非线性动力学等众多学科,是一个正在迅速发展中的交叉性学科,具有自学习、自适应和自组织能力,也能很好的抑制噪声和信息缺失对最优解的影响[2],因此,近年来,在中长期水文预报中有广泛的应用。

2 人工神经网络

人工神经网络有数十种模型[3],其中BP网络在水文预测中应用较为普遍。

2.1 BP神经网络的原理

BP神经网络属于多层状形的人工神经网络,分为输入层、隐层和输出层,各层的神经元作用都是不同的[4]。输入层接受外界的信息;输出层则对输入信息进行判别和决策;中间的多层隐层则用来表示或存储知识。BP网络算法主要包括两个过程:一是由学习样本、网络权值从输入层→隐含层→输出层逐次算出各层节点的输出;二是反过来计算实际输出与计算输出偏差构成的误差,采用梯度下降法来调整网络权值,使误差减小,两个过程反复交替,直到收敛为止。

根据学习好的网络权值,以及给定需要判别的输入向量,通过该网络求得与输入向量相对应的输出向量,达到预报径流量的目的。

2.2 BP神经网络的应用

2.2.1 BP网络结构

利用Matlab7.0工具箱,建立有输入层、隐含层、输出层的模型结构,如图1.隐含层和输出层神经元传递函数选择tansig函数,其表达式为:

误差反向传播采用Levenberg-Marquardt算法

图1 BP神经网络结构图

2.2.2 网络参数的确定

用于网络训练的初始权值在(-1,1)区间内随机产生,网络训练采用误差平方和,精度在此根据实际情况确定,学习率取0.05,冲量因子取0.9。

2.2.3 利用BP神经网络预报叶尔羌河年径流量

叶尔羌河是塔里木河流域主要河流之一,发源于喀喇昆仑山北麓,下游蜿蜒于塔克拉玛干大沙漠西部边缘,向北流至阿瓦提县肖夹克与阿克苏河、和田河汇合为塔里木河。叶尔羌河流域年径流量中冰川融水补给量占63.1%,为径流主要补给源[5]。

利用BP神经网络对叶尔羌河年径流量进行预报,,选取了3个预报因子,喀什前2年600hpa高空6月、7月份平均气温,卡群站前1年年径流量。1960~1998年资料系列长度用于BP神经网络的训练,1999~2003年用来检验所建立网络的预报精度。叶尔羌河卡群站年径流量训练和预留检验结果见表2。从表中可以看出网络训练合格率达100%,用调整好的网络权值对预留5 a进行检验,合格率为80%。

3 周期均值叠加

周期均值叠加是水文预测中较为常用的方法,其基本定义为:一个水文要素随时间变化的过程尽管多样,当总可以把它看成是有限个具有不同周期的周期波相重叠而形成的过程[6]。数学模型为:

式中:x(t)为水文要素序列,pi(t)为第i个周期波序列,ε(t)为误差项。只要我们根据实测的水文数据,分析识别出该水文要素所含有的周期,而且这些周期在预测区间内仍然保持不变,那末我们就可以根据分析出来的周期分别进行外延然后再叠加起来进行预报。计算结果见表1。

表1 BP网络和周期均值叠加在叶尔羌河年径流量预报中的应用结果

4 对比分析

从方法上论,两种方法都是采用统计预报的方法,两种方法的不同之处在于:BP网络基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法多元分析,进行预测,从本质上说,神经网络水文模型仍然是一种黑箱子模型,并不能对水文现象进行物理解释,其参数也不具有任何的物理意义。周期分析是采用时间序列分析法,这里的周期只是概率意义上的周期,也就是指某一水文现象出现以后,经过一定的时间间隔,这种现象再次重复出现的可能性较大而已。

两种模型虽然使用的数学方法不同,但预测结果的合格率是一样的,拟合的合格率均为100%,而预留检验额合格率同为80%。但在实际应用中,两种方法外推的预测结果合格率均不高。这是因为两种方法均属从数学角度拟合数据,并不能考虑水文情势变化的众多影响因素。

综上所述,神经网络模型在中长期水文预报工作中作为一种方法,实际工作中还要结合大气环流、太阳活动、下垫面情况以及人类活动等因素,对大范围旱涝趋势进行定性、定量的预报,以期提高中长期水文预报的合格率。

[1]秦毅,等.基于物理成因概念的水文系统模型及其应用[J].水利学报,2004(7):6.

[2]张贵青.人工神经网络导论[M].北京:中国水利水电出版社,2004.

[3]徐金明.MATLAB实用教程[M].北京:清华大学出版社,北京交通大学出版社,2005.

[4]周聿超.新疆河流水文水资源[M].乌鲁木齐:新疆科技卫生出版社,1998.

猜你喜欢

叶尔羌河人工神经网络径流量
利用人工神经网络快速计算木星系磁坐标
人工神经网络实现简单字母的识别
滑动电接触摩擦力的BP与RBF人工神经网络建模
水文比拟法在计算河川径流量时的修正
基于SWAT模型的叶尔羌河流域径流分析
叶尔羌河东库外渠混凝土盐冻破坏机理研究
SCS模型在红壤土坡地降雨径流量估算中的应用
资江流域径流量演变规律研究
洞庭湖的径流组成和变化特性分析
波信号的解调和人工神经网络的损伤识别算法