神经网络与模糊集理论在实时洪水预报中的应用研究

作     者：卢世浪 

作者单位：大连理工大学 

学位级别：硕士

导师姓名：周惠成

授予年度：2001年

学科分类：08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 

主      题：神经网络 模糊集理论 洪水预报 

摘      要：洪水既是形成洪水灾害、造成损失的根源，同时也是一种可利用的兴利资 源。因此，如何减少洪灾损失，发挥其最大的兴利作用，便成为人们所关注的 课题。本文首先阐述了洪水灾害的特点以及我国目前的防洪状况，然后，通过 对比分析防洪工程措施与防洪非工程措施在防洪中所起的作用，论述了防洪非 工程措施—水文预报在防洪中所起的重要作用。在此基础上，综述了国内外水 文预报模型的发展过程及现状，并针对水文要素的复杂性与模糊不确定性等方 面展开研究。本文的主要研究内容及取得的成果如下： 1．针对水文要素的复杂性、不确定性及非线性，在总结国内外水文预报方 法的研究现状及成果的基础上，将人工神经网络的学习能力强的特点与模糊数 学的知识表达性好的特点结合起来，探讨了应用模糊模式识别神经网络实时洪 水预报模型来进行实时洪水过程预报，并建立了模型学习的最大误差逆传播 （BE-BP）算法。通过实际算例对模型的结构及算法进行检验，检验结果表明：应 用模糊模式识别神经网络实时洪水预报模型来进行实时洪水过程预报是可行 的，最大误差逆传播（BE-BP）学习算法是有效的，本模型比单纯的神经网络更 具有优点，是对探讨水文预报新方法的有益尝试。 2．针对洪水预报模型中的许多简化与假定及水文要素的复杂性，如下垫面 因素的多变性及降雨时空分布的不均匀性等因素对实际预报过程的影响，本文 分析了现有的实时校正方法及其在实际中的应用推广情况，并在此基础上提出 了一种模糊相似校正法。本法综合了流量过程的相似性、洪水过程误差信息的 实时性及专家或预报员的经验。通过实例检验证明，本方法简单、易行，具有 较好的校正效果。 3．利用现代的计算机技术，将模糊模式识别神经网络实时洪水预报模型与 模糊相似校正法结合进来，编制了一套洪水预报与校正软件。本软件通过可视 化与数据库技术，可方便地完成实时洪水预报与实时校正之间的前向滚动交互， 进而充分地发挥了二者在防洪减灾中的应用价值。 最后对全文进行总结，并对有待进一步研究的问题进行了讨论。