基于MATLAB的神经网络洪峰预测

摘要洪峰流量的预测可以基本定型洪水的规模，可以提前制定合理的防洪预案，及时减少人员伤亡和财产损失，因而预报洪峰流量具有重要意义。河道水情预报十分复杂，由于受各种因素的影响表现为非线性动力学过程，而且因素之间的变化及相互影响关系也难以确定。鉴于人工神经网络有很强的处理大规模非线性动力学系统的能力，本文紧紧围绕人工神经网络的数学领域的知识，改进了BP网络洪水预报模型。具体工作如下：针对洪水预报预测阶段可能超过历史洪峰的情况，在人工神经网络预报模型中，本文把输入单元和输出单元的数据规范在0.2到0.8之间，留有(0,0.2)和(0.8,1)的预报空间，使得预报模型能够顺利预报出高于历史洪峰的洪水水位。另外，本文采用《水文情报预报规范》中的确定性系数作为目标函数，使得预报结果更加直观。针对人工神经网络本身是一种静态网络，在复杂河道的预报模型中，本文引入了延迟单元法，即在数据处理时直接从样本模式中提取时间序列特征，使得这样的预报模型具备了对时间序列的识别能力。本文将BP网络的洪水预报模型应用于武汉地区柳子巷水文站的洪水预报。对这种预报模型进行了检验，结果表明在合理选择输入层单元数据和预见期的情况下，可以取得很好的预报成果。关键词：人工神经网络，预报模型，洪水目录第一章绪论1.1水文预报的重要性1.2水文预报的发展1.3存在的问题第二章人工神经网络简介2.1人工神经网络简介2.2误差逆传播算法第三章洪水水位的人工神经网络预报模型3.1引言3.2洪水预报模型的建立3.2.1训练模式对的准备3.2.2输入单元数据的规范化3.2.3输出单元数据的规范化3.3预报结果及总结第四章应用于复杂河段的人工神经网络洪水预报模型4.1问题的提出4.2人工神经网络预报模型4.3应用实例4.4运算结果及分析4.5结论第五章结束语和展望第一章绪论1．1水文预报的重要性水文系统受天文因子、气候因子、地质地貌因子以及人类活动等的综合作用，表现出高维性和非线性等复杂特征，因此比一般难以建立有效的水温长期预测模型。而且水文预报是国民经济建设不可缺少的重要基本工作，是帮助人们更好地控制与利用水资源、与洪水作斗争、减少洪灾的有力武器。水文预报是防汛抗旱的耳目和参谋，是防洪决策、水资源优化调度、水工程运行管理的科学依据，是各级防汛指挥机构的参谋和得力助手，对保护人民生命财产安全，充分发挥水工程效益，保障社会稳定和国民经济可持续发展起着极其重要的作用。根据世界气象组织在加拿大、日本、美国等国家的调研结果，及时准确的洪水预报可以把洪水造成的损失减轻10％一15％。1998年我国长江中下游发大洪水，由于及时准确的水文预报和防洪工程的作用，减少经济损失400多亿元[1]。而据统计，近几年国家和地方对长江水文事业的投入，每年仅约为2亿元左右，可见水文预报的效益是巨大的。洪水预报作为水文预报的一个重要组成部分，在防洪减灾中具有重要的理论意义和现实意义。洪水预报的历史在我国可追溯到一千多年以前。由于河道和洪水的传播规律十分复杂，古代的洪水预报基本上仅限于定性描述和粗略预测。1．2水文预报的发展新中国成立50多年来，我国的水文预报工作从无到有、由点到面迅速发展起来。上世纪50-60年代学习、吸收原苏联和美国的洪水预报方法，为我国水文预报工作奠定了基础。70-80年代，开始对不同区域的降雨径流关系进行研究，同时成功地开展了流域水文模型的研究与应用。90年代，随着计算机在水文预报领域中的推广和水文模拟技术水平的提高，我国在水文预报方法、预报系统建设和新技术应用等方面有了很大的提高。随着我国经济的发展和全民社会水患意识的不断增强，国家对水文工作的重要性有了更深刻的认识，从中央到地方各级水文部门相继开展了水文预报工作，许多基层水文站也发布当地河流和水库的水文预报。据统计，1990年全国有1134处水文站(占该年全国水文站总数的35％)发布水文预报[1]。同时人们对水文预报提出了定量和准确预报的要求，从而为水文工作的发展创造了更广阔的空间。水文预报技术是水文预报的关键，我国水文预报技术的发展大致经历以下几个阶段[1]。上世纪五六十年代奠定了水文预报的基础。1955年，由华士乾主编的《洪水预报方法》一书，总结了新中国立国之初，特别是1954年长江、淮河特大洪水实际预报中的经验，主要吸收了美国、原苏联的洪水预报方法，并利用中国实际资料做了分析应用，第一次系统地提出了具有中国特色的洪水预报方法，为我国水文预报及其研究工作奠定了良好的基础。随着水文预报的广泛开展和各地多年实践经验的积累，1950年后对洪水预报技术的研究主要是：根据洪水波动的理论对相应水位法进行改进；对应用河网总入流量进行洪水预报的研究；对河道洪水演算槽蓄曲线的研究以及对重点河段降雨径流预报研究分析等。上世纪七八十年代获得了流域水文模型的丰硕成果[1]。1970年以后，部分省、流域机构和高等院校分别对湿润、半湿润地区和干旱、半干旱地区的降雨径流关系进行了分析研究，对一些大江大河则采用分区降雨产汇流结合河道汇流计算的全河系预报，同时开展了流域水文模型的研究和应用。在流域水文模型研究应用方面，如现为河海大学在蓄满产流模型基础上提出了新安江模型，在南方湿润地区得到广泛应用，效果很好，并被欧美一些国家采用。与此同时，先后引进了一些确定性概念模型和应用系统工程理论分析方法的模型。如美国斯坦福IV模型、萨克拉门托模型，日本水箱模型和意大利CLS(约束线性系统)模型，并加以剖析和改进获得了丰硕的研究和应用成果。例如，1982年水利电力部水文水利调度中心，在引进的意大利CLS模型基础上，用新安江模型算出各层的径流深度来代替CLS模型的降雨输入，改进后的模型为SCLS(综合约束线性系统)模型，取得了比较满意的成果。上世纪九十年代取得了水文预报技术的新进展。1990年后，随着计算机在水文预报领域中的推广应用和水文模拟技术的提高，国内的水文预报技术方法都取得了新进展。与此同时，国外的水文预报技术也有了突飞猛进的变化。不管是在水文预报的传统方法，如成因分析和水文统计方法，以及是新方法如模糊分析、人工神经网络、地理信息系统和灰色系统分析方法都取得了可喜的新进展。上个世纪80年代中后期，在国外一些发达国家掀起了一股竟相研究和开发人工神经网络的热潮。人工神经网络是把人工神经元按一定规则连接成的网络。它具有大规模并行运算、分布式存储和处理、自适应和自学习能力，能广泛应用于各个领域。上世纪90年代以来，人工神经网络在水文预报中的应用逐渐增多[12]。蔡煜东等[13]采用Kohonen自组织神经网络模型研究了鄱阳湖年最高水位的分类预报阀题。吴超现等[14]认为人工神经网络模型具有生物神经网络的一些特性，能够“学习”，因此易于应用在各种类型的流域系统；人工神经网络模型是高度非线性模型，能够有效地模拟本质为非线性的实际水文系统；人工神经网络模型在预报期和预报精度上较对比性模型(CAR,RWTL，AR)有明显的优越性。钟登华等[15]提出了水文预报的时间序列神经网络模型，并指出探索利用输入输出数据进行建模的方法是十分必要的。胡铁松等对人工神经网络在水文水资源中的应用现状作了全面的介绍，并认为神经网络为一些复杂水文水资源问题的研究提供了一条有效的途径。丁晶等[16]认为当前单纯地分别应用确定性和不确定性方法，面临许多无法妥善处理的困难，因此有必要探索一种新思路和新途径。新思路就是模拟人脑思维方式来处理极端复杂系统中出现的各种各样的问题(判别、分析、预测、控制、调度等)；新途径就是在人工神经网络理论的基础上，通过分析和计算，建立适应性很强的人工神经网络模型。胡铁松等[17]提出了径流长期分级预报的Kohonen网络方法，有效地克服了人为给定监督信号进行径流分级预报存在的不确定性给预报精度带来的影响。冯国章等[l8]提出了基于径流形成机理的以时段降水量与前期径流量为预报因子的前向多层人工神经网络径流预报模型，分析了网络结构对预报精度的影响。熊立华[19]等在将神经网络用于洪水实时预报时采用向后演算法，使得模型的权重系数可以在每一时间步长上进行自动更新。吴建华[20]等应用一种在训练中包含有延迟功能的BP算法，针对现有洪水预报神经网络结构难以确定的问题，建立了延迟神经网络。GopakumazR[21]等将多层感知机的神经网络用于卡拉拉邦的一些流域，结果表明人工神经网络通过不断的学习记忆可以对像洪水预报这种复杂持久系统的仿真模拟。ByAminElshorbagy[22]等在人工神经网络在径流预报中的性能评估一文中采用了人工神经网络技术，并且和线性和非线性回归技术做了比较，并对这三种方法的优缺点进行了讨论。结果表明人工神经网络在很多实例中的很大优越性，当然在某些情况下另两种方法也是相当有效的。P．Licznar[23]等将人工神经网络用于径流和土壤侵蚀预报，大量实验结果表明这种方法比WEPP方法有效。在洪水预报新技术中，应用最广泛、发展前景最大的当属地理信息系统(GIS)[2]。GIS是在计算机软件和硬件的支持下，运用系统工程和信息科学的理论，科学管理和综合分析具有空间内涵的地理数据，以提供对规划、管理、决策和研究所需信息的技术系统。洪水预报的实质就是要对洪水在特定时空条件下的运动规律进行预报、预测，空间信息量大，而对空间信息的管理与分析正是GIS的优势，而与遥感技术(RS)和全球卫星定位系统技术GPS)结合的GIS(合称三‘s’技术)功能更加强大。CollierCG[24l描述了在降雨测量和预报中雷达和遥感方面的发展，并指出利用雷达数据能提高预报的精确度。PhilipB[25]利用NEXRAD雷达在休斯敦和德克萨斯州的布雷湾分水岭进行水文预报，结果表明特别是在T．S．Allison风暴其问将会更有效。研究表明，GIS在面雨量计算、流域蒸发量和土壤湿度计算、交互式实时联机预报、暴雨产流模型等方面都有广泛应用。当然，除了GIS以外，还有其他一些类似的、基于计算机技术上的预报系统，如SMAR(SoilMoistureAccountingandRouting)模型及在此基础上改进而成的分布式任意时段长模型[26]。80年代初，陈守煜等在水利、水文、水资源与环境科学领域中进行了模糊集的应用研究，并将模糊集分析与系统分析结合起来，形成了一个新的模糊随机系统分析体系，1997年陈守煜[27]又提出了中长期水文预报的综合分析理论模式与方法，该方法将水文成因分析、统计分析、模糊集分析有机地结合起来，为提高中长期水文预报的精度提供了一条新途径。张云鹏[28]等对汛期来水的理沧实测资料运用最大数法和软化分法进行模糊聚类分析，得到汛期来水的多个预报模式；进而利用Gamma分布和模糊概率的方法，预报出汛期来水流量及其实现的概率。模糊分析的引入丰富了中长期水文预报理论，但由于信息模糊化带有明显的主观性，使模糊分析的应用受到了一定的限制。灰色系统理论[2]是邓聚龙于1982年创立的，十几年来发展较快。李正最[29]认为灰色静态模型GM(0，h)与多元线性回归模型在模型形式与参数辩识、方法处理等方面是相同的，因此，两种模型用于水文变量相关分析所得结果一致。冯平[30]等采用灰色系统理论中灰关联度分析方法，对枯水期径流量的预估模式进行了探讨。夏军[31]基于时间序列多重信息利用的扩维原理和灰色系统理论的关联分析思想，提出一种适合于缺乏输入因子资料或选择影响因子有困难条件下的中长期水文预报方法。陈意平[32]等认为GM(1，1)模型为水利系统的中长期预报提供了一种新方法。陈瑞[33]尝试应用灰色变基模型进行长期洪水预报，经过检验预报精度在95％以上。李才嫒[34]等以数值预报产品为基础，用灰色关联度分析了不同数值预报产品降水量预报的可信程度，应用灰色预测方法建立了长江上游’“大流域面雨量预报模型，2001和2002年6—8月投入业务运行，24h、48h预报平均准确率分别达84．5％和83．2％。傅鹤林[35]等尝试在灰色预测的基础上，与Markov链耦合建立了修正降雨量的理论预测模型，并进行了严密逻辑推理，预测结