遗传算法和灰色神经网络在河道洪水流量预报中的应用

摘要

本文对遗传算法和灰色神经网络在河道洪水流量预报中的应用进行了研究。文章主要内容包括：1.针对水文现象及其要素的不确定性以及它们之间关系的复杂性，利用灰关联分析可找出事物的主特征的特点，利用它对影响河道洪水流量的因子进行分析，筛选出主要影响因子；2.利用人工神经网络模型学习能力强的特点，根据灰关联分析得出的影响因子作为网络的输入，探讨应用灰色神经网络实现对武水流域河段进行洪量的实时预报，对模型的结构和参数通过试验的方法进行了测试，分析产生各种情况的原因，并在此基础上，确定了最终的预报模型结构；3.用遗传算法对BP神经网络的初始权重进行优化，可以在一定程度上克服神经网络模型训练中普遍存在的局部极小点问题，同时提高了网络模型的训练速度；而且，从预报的结果看，优化后的模型要比没有优化的模型在总的预报精度上有所提高。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1水文预报概述

1.2水文预报意义

1.3人工神经网络在水文预报中的应用现状

1.4遗传算法在水文预报中的应用现状

1.5灰色理论在水文预报中的应用现状

1.6本文主要研究内容及意义

第二章相关理论

2.1灰色系统理论基础

2.1.1灰色关联相关理论

2.1.2灰色关联分析的方法

2.2人工神经网络

2.2.1人工神经网络概述

2.2.2 BP网络

2.2.3 MATLAB与神经网络

2.3遗传算法

2.3.1遗传算法概述

2.3.2遗传算法的实现

2.3.3遗传算法的特点

2.4本章小结

第三章河道洪水流量预报业务需求分析与建模

3.1洪水流量影响因素的灰色关联分析

3.1.1武水流域河道测战分布

3.1.2预报模型的因子分析

3.2河道洪水预报模型的建立

3.2.1河道洪水预报模型结构

3.2.2预报模型的函数调用

3.2.3预报模型的测试及应用

3.3预报模型的优缺点

3.4本章小结

第四章优化预报模型

4.1概述

4.2优化预报模型

4.2.1基本思想

4.2.2优化预报模型的方法

4.2.3优化预报模型的步骤

4.3优化后模型的预报测试

4.4本章小结

结论

参考文献

攻读硕士学位期间取得的研究成果

致谢