導(dǎo)語(yǔ)：人工神經(jīng)網(wǎng)絡(luò)模型管理論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1．前言

人工神經(jīng)網(wǎng)絡(luò)（ANN）又稱連接機(jī)制模型（ConnectionModel）或并行分布處理模型（ParallalDistributedModel）。作為人工智能的研究方法，目前已廣泛應(yīng)用于自然科學(xué)的各個(gè)領(lǐng)域，應(yīng)用計(jì)算機(jī)程序來模擬這種特殊的數(shù)學(xué)模型并應(yīng)用于實(shí)際流域的洪水預(yù)報(bào)研究中，無疑是一種新的嘗試和有益探索。岳城水庫(kù)是海河流域南運(yùn)河水系漳河上的一座大型控制性工程，入庫(kù)洪水突發(fā)性強(qiáng)，水猛多沙，為確保下游河北、河南、山東、天津廣大平原地區(qū)和京廣鐵路的安全，對(duì)水庫(kù)入庫(kù)洪水進(jìn)行精確預(yù)報(bào)，及時(shí)采取預(yù)泄和分洪措施顯得極其重要，因此，用人工神經(jīng)網(wǎng)絡(luò)模型模擬預(yù)報(bào)水庫(kù)的入庫(kù)洪水過程，有重要參考和借鑒意義。

2．BP網(wǎng)絡(luò)的構(gòu)建

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，它有大量的簡(jiǎn)單處理單元（神經(jīng)元）廣泛連接而成，他對(duì)人腦的功能作了某種簡(jiǎn)化、抽象和模擬，具有很強(qiáng)的非線性映射能力，其中對(duì)多層前向神經(jīng)網(wǎng)絡(luò)bp模型的研究相對(duì)成熟，應(yīng)用最為廣泛，其模型結(jié)果如圖：

結(jié)構(gòu)中，輸入層、隱層和輸出層神經(jīng)元的個(gè)數(shù)根據(jù)具體情況設(shè)定，其中隱層層數(shù)不一，不失一般性對(duì)輸出層中只含有一個(gè)神經(jīng)元的三層前向神經(jīng)網(wǎng)絡(luò)分析如下：假設(shè)輸入層中有個(gè)神經(jīng)元，隱層中有個(gè)神經(jīng)元，輸出層神經(jīng)元的輸出，即整個(gè)網(wǎng)絡(luò)的輸出為Y，網(wǎng)絡(luò)中輸入層的輸入分別為,,…，則隱層神經(jīng)元的輸入分別是：

(i=1,2,…m)(2.1)

在上式中，為隱層神經(jīng)元i與輸入層神經(jīng)元j的連接權(quán)，為隱層神經(jīng)元的閾值，選擇函數(shù)作為隱層神經(jīng)元的激發(fā)函數(shù),則隱層神經(jīng)元的輸出為：

(i=1,2,…m)(2.2)

輸出神經(jīng)元的激發(fā)函數(shù)取為線性函數(shù)，輸出層神經(jīng)元的輸出及整個(gè)網(wǎng)絡(luò)的輸出為：

(2.3)

其中，Vi為輸出層神經(jīng)元與隱層神經(jīng)元i的連接權(quán)。定義由、、組成的向量為網(wǎng)絡(luò)的連接權(quán)向量(ij，i，i)。設(shè)有學(xué)習(xí)樣本(，，…；)(=1,2…,p;p為樣本數(shù))。對(duì)某樣本(，，…；)在給出網(wǎng)絡(luò)向量后，可以通過公式(1.1)～(1.3)計(jì)算出網(wǎng)絡(luò)的輸出值，對(duì)于樣本

定義網(wǎng)絡(luò)的輸出誤差為：(2.4)

定義誤差函數(shù)為：(2.5)

(ij，i，i)隨機(jī)給出，計(jì)算式(2.5)定義的誤差值較大，網(wǎng)絡(luò)計(jì)算精度不高，在確定網(wǎng)絡(luò)結(jié)構(gòu)后，通過調(diào)整(ij，i，i)的值，以逐步降低誤差，以提高網(wǎng)絡(luò)的計(jì)算精度，下面給出根據(jù)誤差信息調(diào)整(ij，i，i)的具體計(jì)算過程。

在反向傳播算法中，是沿著誤差函數(shù)隨(ij，i，i)變化的負(fù)梯度方向?qū)M(jìn)行休整。設(shè)的修正值為：(2.6)

式中：為第n次迭代計(jì)算時(shí)連接權(quán)的修正值；為前一次迭代計(jì)算時(shí)計(jì)算所得的連接權(quán)修正值；為學(xué)習(xí)率，取0~1間的數(shù)；為動(dòng)量因子，一般取接近1的數(shù)。將式(1.4)和(1.5)代入式(1.6)中，有(2.7)

定義=（,,），則：

(2.8)

(2.9)

(2.10)

采用迭代式對(duì)修正計(jì)算，得到新的連接權(quán)向量。對(duì)于所有的學(xué)習(xí)樣本均按照樣本排列順序進(jìn)行上述計(jì)算過程，然后固定的值，對(duì)于p個(gè)樣本分別進(jìn)行正向計(jì)算，從而求出學(xué)習(xí)樣本的能量函數(shù)值：

(2.11)

這樣結(jié)束了一個(gè)輪次的迭代過程，當(dāng)滿足某一精度要求時(shí)，就停止迭代計(jì)算，所得(ij，i，i)即為最終模型參數(shù)，否則就要進(jìn)行新一輪的計(jì)算。

3．BP算法的VB程序?qū)崿F(xiàn)

因程序代碼太多，不再給出。網(wǎng)絡(luò)學(xué)習(xí)程序界面如下圖2：

4．洪水預(yù)報(bào)網(wǎng)絡(luò)模型構(gòu)建

4．1資料收集

岳城水庫(kù)的入庫(kù)水文站為觀臺(tái)水文站，該站上游有清漳河匡門口水文站和濁漳河天橋段水文站，距觀臺(tái)分別為66km和64km。上游匡門口、天橋段與下游觀臺(tái)的區(qū)間流域面積為1488km2，見流域水系圖3。資料采用年鑒1962、1976、1977、1988年四次洪水和相應(yīng)年份的區(qū)間時(shí)段降雨量共118組調(diào)查數(shù)據(jù)作為模型的學(xué)習(xí)訓(xùn)練樣本，另取1971年和1982年兩次大洪水作為模型的檢驗(yàn)數(shù)據(jù)。

4．2預(yù)報(bào)模型構(gòu)建

網(wǎng)絡(luò)模型采用輸出層中有一個(gè)神經(jīng)元的三層前向人工神經(jīng)網(wǎng)絡(luò)，洪水預(yù)報(bào)模型的輸出節(jié)點(diǎn)為岳城水庫(kù)的入庫(kù)站觀臺(tái)水文站的時(shí)刻的流量，即網(wǎng)絡(luò)。考慮河道洪水演進(jìn)時(shí)間和區(qū)間流域的產(chǎn)匯流時(shí)間，分別取清漳河匡門口站和天橋斷以及流域平均降雨量、作為模型的輸入節(jié)點(diǎn)值；隱層神經(jīng)元節(jié)點(diǎn)數(shù)和輸入層節(jié)點(diǎn)數(shù)相同取為4。

模型參數(shù)優(yōu)化：計(jì)算中，學(xué)習(xí)率越大，學(xué)習(xí)速度會(huì)越快，但是過大時(shí)會(huì)引起振蕩效應(yīng)；動(dòng)量因子取得過大可能導(dǎo)致發(fā)散，過小則收斂速度太慢。據(jù)有關(guān)文獻(xiàn)介紹，取，算法收斂速度較快。本次計(jì)算取，；網(wǎng)絡(luò)中的初始值取(0.1～0.1)之間的隨機(jī)數(shù)（由VB程序產(chǎn)生）。

樣本的歸一化處理：為了有效利用型函數(shù)的特性，以保證網(wǎng)絡(luò)神經(jīng)元的非線性作用，對(duì)于數(shù)值型的學(xué)習(xí)樣本要進(jìn)行歸一化處理。對(duì)樣本(p=1,2,…p)定義，，歸一化處理計(jì)算就是按照公式：

(4.1)

將樣本轉(zhuǎn)化為0～1之間的數(shù)據(jù)。對(duì)于網(wǎng)絡(luò)的輸出數(shù)據(jù)還應(yīng)進(jìn)行還原計(jì)算恢復(fù)實(shí)際值，公式為：

(4.2)

使用VB程序?qū)W(wǎng)絡(luò)模型進(jìn)行訓(xùn)練學(xué)習(xí)，經(jīng)102135次學(xué)習(xí)后，網(wǎng)絡(luò)輸出能量函數(shù)值為3.2×10-3，此時(shí)得到模型最優(yōu)參數(shù)如表1。

表1模型參數(shù)表

序號(hào)

11.625608-2.361247-3.2047142.846384-2.718568-1.185164-1.029736

20.138017-0.041076-0.6707810.8445030.936162-2.7469741.546362

31.770369-6.0486571.1342710.7454760.58331-3.0635082.5033320.250.9

4-0.8183131.471144-1.4842650.875319-1.995911-2.6673082.075974

5-1.9730730.30147122.993124-0.160362-3.290356-1.59743-0.627028

5．模型檢驗(yàn)

應(yīng)用以上該區(qū)洪水預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)模型參數(shù)分別對(duì)1982年、1971年的兩次洪水進(jìn)行檢驗(yàn)預(yù)測(cè)，相應(yīng)洪水過程趨勢(shì)線見圖4圖5。

表2預(yù)報(bào)考評(píng)指標(biāo)表

序號(hào)序號(hào)

1982.10.0311982年前20h0.69

1982.20.00811982年后80h0.07

1982.30.040.51982年總過程0.19

1982.40.0421971年前11h0.7

19710.0611971年后50h0.12

aver0.0361.11971年總過程0.23

注：1.1982.1表示1982年大洪水的第一次洪峰，其它類同。

2.1982年前20h表示1982年大洪水的漲洪段前20h，其它類同。

圖41971年預(yù)測(cè)洪水與實(shí)測(cè)洪水過程線圖51982年預(yù)測(cè)洪水與實(shí)測(cè)洪水過程線

檢驗(yàn)標(biāo)準(zhǔn)：

1）洪峰流量預(yù)報(bào)誤,經(jīng)計(jì)算、皆小于0.1，據(jù)《水庫(kù)洪水調(diào)度考評(píng)規(guī)定SL224-98》，考評(píng)等極為良好（見表2）。

2）峰現(xiàn)時(shí)間預(yù)報(bào)誤差，經(jīng)計(jì)算考評(píng)等極為一般，其中一次良好。

3）洪水過程預(yù)報(bào)考評(píng)指標(biāo)，從預(yù)報(bào)數(shù)據(jù)分析，兩次洪水過程的預(yù)報(bào)考評(píng)0.23，，根據(jù)規(guī)范屬一般，從洪水過程檢驗(yàn)指標(biāo)可分析主要是因?yàn)槟Ｐ蛯?duì)漲洪期低量洪水預(yù)報(bào)精度不高造成，但峰值附近及后期預(yù)報(bào)精度較高，可作為洪水預(yù)報(bào)的一項(xiàng)行之有效的方案。

6．結(jié)論

岳城水庫(kù)入庫(kù)洪水過程的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型運(yùn)行穩(wěn)定，對(duì)峰高量大洪水預(yù)報(bào)較為準(zhǔn)確，根據(jù)規(guī)范規(guī)定可作為水庫(kù)自動(dòng)測(cè)報(bào)系統(tǒng)的有益補(bǔ)充，為水庫(kù)的防洪調(diào)度提供較為可靠的依據(jù)。

參考文獻(xiàn)：

[1]焦李成.神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn).西安：西安電子科技大學(xué)出版社，1993

[2]李春好等.人工神經(jīng)網(wǎng)絡(luò)bp算法的數(shù)據(jù)處理方法及應(yīng)用.系統(tǒng)工程理論與實(shí)踐,1997,17(8)

[3]趙林明等.多層前向人工神經(jīng)網(wǎng)絡(luò).鄭州：黃河水利出版社，1999

[4]丁晶等.人工神經(jīng)前饋(bp)網(wǎng)絡(luò)模型用作過渡期徑流預(yù)測(cè)的探討.水電站設(shè)計(jì),1997,13

[5]李正最.人工神經(jīng)網(wǎng)絡(luò)推算洪水流量的計(jì)算方法.四川水力發(fā)電,1997,16

[6]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論.北京：高等教育出版社,2001