基于神经网络与遗传算法的洪水分类预报研究

发布时间：2021-05-15 00:33

　　针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度。基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类。基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报。以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前。经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效。 

【文章来源】：水利水电技术. 2020,51(08)北大核心

【文章页数】：8 页

【文章目录】：
0 引 言
1 基于BP神经网络的洪水分类
2 基于遗传算法的模型参数率定
    2.1 基于遗传算法参数率定模型构建
    2.2 流域水文模型参数率定
3 基于神经网络和遗传算法的分类洪水预报
    3.1 模型构建
        (1)信息输入:
        (2)分类因子选取:
        (3)分类模型构建:
        (4)洪水分类:
        (5)水文模型选择:
        (6)模型参数率定:
        (7)成果输出:
    3.2 模型计算
        (1)信息输入:
        (2)分类因子数据提取:
        (3)在线分类:
        (4)水文模型选择:
        (5)分类预报:
        (6)成果输出:
4 案例验证
    4.1 区域概况
    4.2 基础资料
    4.3 验证与分析
        4.3.1 参数优选
        4.3.2 评定指标
    4.4 结果分析
        4.4.1 大伙房模型分类预报误差分析
        4.4.2 误差分析结果统计
5 结 论


【参考文献】：
期刊论文
[1]基于投影寻踪和粒子群优化算法的洪水分类研究[J]. 董前进,王先甲,艾学山,张艳敏.  水文. 2007(04)
[2]洪水分类预报在清河水库防洪调度中的应用[J]. 许鹏,王国利.  东北水利水电. 2007(06)
[3]基于聚类分析的人工神经网络洪水预报模型研究[J]. 尹雄锐,张翔,夏军.  四川大学学报(工程科学版). 2007(03)
[4]三种基于神经网络的洪水实时预报方案的比较研究[J]. 熊立华,郭生练,庞博,姜广斌.  水文. 2003(05)
[5]水文预报的神经网络模式分类预报方法[J]. 黄克明,张国忠.  武汉大学学报(工学版). 2003(01)

博士论文
[1]基于洪水分类的水库汛限水位动态控制域研究及其风险分析[D]. 张艳平.大连理工大学 2012
[2]径流分类组合预报方法及其应用研究[D]. 刘冀.大连理工大学 2008
[3]双超式产流模型的理论及应用研究[D]. 晋华.中国地质大学（北京） 2006



本文编号：3186612